基于協(xié)同過濾的推薦系統(tǒng)研究.pdf

1、伴隨著互聯(lián)網(wǎng)時(shí)代的到來，電子商務(wù)成為當(dāng)下的主流，人們?cè)诰W(wǎng)絡(luò)中的交易量的迅速增加，使得網(wǎng)絡(luò)信息呈指數(shù)級(jí)增長，這直接導(dǎo)致“信息過載”現(xiàn)象愈演愈烈。在海量的網(wǎng)絡(luò)數(shù)據(jù)信息中，用戶應(yīng)該難以選擇自己關(guān)注的信息，因此電子商務(wù)平臺(tái)中的個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生。
　　個(gè)性化推薦技術(shù)是在20世紀(jì)90年代被作為一個(gè)獨(dú)立概念提出來的。之后，各種推薦技術(shù)在近些年發(fā)展非常迅速。比如：信息檢索、基于內(nèi)容的推薦、基于關(guān)聯(lián)規(guī)則的推薦、協(xié)同過濾技術(shù)以及混合推薦等等。目

2、前，應(yīng)用最為廣泛的個(gè)性化推薦技術(shù)是協(xié)同過濾算法。但是隨著電子商務(wù)平臺(tái)中用戶和商品的數(shù)量急劇增加，它也開始出現(xiàn)了一些亟待解決的問題。比如冷啟動(dòng)問題、評(píng)分?jǐn)?shù)據(jù)稀疏性問題、系統(tǒng)可擴(kuò)展問題。
　　協(xié)同過濾分為基于內(nèi)存的協(xié)同過濾算法和基于模型的協(xié)同過濾算法，基于內(nèi)存的協(xié)同過濾算法主要應(yīng)用的算法是近鄰算法(KNN)，而基于模型的協(xié)同過濾的主要算法為矩陣分解(MF)。現(xiàn)有的近鄰算法是將用戶不同的時(shí)間的興趣等同對(duì)待，沒有考慮用戶興趣的時(shí)效性，針對(duì)