推薦系統(tǒng)中基于內(nèi)存的協(xié)同過(guò)濾算法研究.pdf

1、推薦系統(tǒng)是一種有效的數(shù)據(jù)挖掘手段，主要用于幫助用戶(hù)在海量的信息中快速尋找有用信息。個(gè)性化推薦技術(shù)常用的三種算法有：基于內(nèi)容的推薦算法、基于協(xié)同過(guò)濾的推薦算法以及兩者混合的算法。其中，協(xié)同過(guò)濾技術(shù)是目前推薦系統(tǒng)中應(yīng)用最成功也是最廣泛的技術(shù)，在理論研究和實(shí)踐中都取得了快速的發(fā)展。協(xié)同過(guò)濾技術(shù)是一種典型的利用群體智慧的方法，借鑒與目標(biāo)用戶(hù)有相似觀點(diǎn)的人群的意見(jiàn)進(jìn)行推薦。然而，傳統(tǒng)的協(xié)同過(guò)濾方法正面臨著數(shù)據(jù)稀疏、用戶(hù)相似性難以度量等問(wèn)題的挑戰(zhàn)，

2、這些問(wèn)題嚴(yán)重地影響了推薦系統(tǒng)的質(zhì)量。因此，本文針對(duì)上述問(wèn)題，對(duì)協(xié)同過(guò)濾方法進(jìn)行了相應(yīng)的改進(jìn)，主要工作如下：
　?。?）提出了一種改進(jìn)的杰卡德統(tǒng)一算子（IJacUOD）相似度測(cè)量的方法。最近鄰的確定是協(xié)同過(guò)濾推薦方法中的關(guān)鍵步驟，一般需要通過(guò)度量?jī)蓚€(gè)用戶(hù)或者兩個(gè)項(xiàng)目的相似度來(lái)確定，因此選擇合適的相似度計(jì)算方法對(duì)于協(xié)同過(guò)濾推薦來(lái)說(shuō)至關(guān)重要。為了有效地選擇最近鄰，我們提出了一種改進(jìn)的杰卡德統(tǒng)一算子（IJacUOD）相似度測(cè)量方法，與傳統(tǒng)

3、的余弦（Cos）相似度策略、皮爾遜（Pearson）相關(guān)策略相比，該方法妥善地解決了不同長(zhǎng)度向量差異對(duì)相似度的影響。
　?。?）提出了一種基于變權(quán)重均值填充的協(xié)同過(guò)濾算法。該方法首先利用用戶(hù)-項(xiàng)目評(píng)分矩陣中各個(gè)項(xiàng)目的平均分對(duì)評(píng)分矩陣進(jìn)行插值處理，從而提高了評(píng)分矩陣的數(shù)據(jù)密度，得到一個(gè)沒(méi)有缺失值的用戶(hù)-項(xiàng)目評(píng)分矩陣，而后利用變權(quán)重相似度策略計(jì)算用戶(hù)之間的相似度，尋找目標(biāo)用戶(hù)的最近鄰居集合，最后對(duì)通過(guò)鄰居集中的用戶(hù)評(píng)分對(duì)目標(biāo)用戶(hù)沒(méi)有評(píng)