非負矩陣分解與聚類方法在個性化推薦系統(tǒng)中的應用研究.pdf

1、隨著Internet的普及，電子商務也成為當下的主流，每天Internet上的信息更新量呈指數(shù)級增長，導致出現(xiàn)“信息過載”的現(xiàn)象，浩瀚的信息中有99％的信息是用戶不需要的。用戶難以在海量的信息中快速找到自己所需的產(chǎn)品，因此，個性化推薦系統(tǒng)隨之產(chǎn)生，其中協(xié)同過濾推薦技術(shù)又是個性化推薦系統(tǒng)研究熱點之一。然而，這在實際運用過程中，仍然存在著諸多問題亟待解決，譬如：用戶對商品評價數(shù)據(jù)的稀疏性問題；隨著用戶和項目數(shù)的增多，推薦系統(tǒng)的性能將會隨之降

2、低等。本文針對當前存在的這些問題，將對傳統(tǒng)的協(xié)同過濾推薦算法進行改進。
　　本文的主要研究工作如下：
　　(1).闡述了當前推薦技術(shù)在國內(nèi)外的研究進展，對推薦系統(tǒng)的分類、結(jié)構(gòu)及技術(shù)難點作了比較深入的討論，在這基礎(chǔ)之上，對推薦系統(tǒng)中協(xié)同過濾技術(shù)進行了重點研究。
　　(2).詳細的分析協(xié)同過濾技術(shù)中基于用戶的協(xié)同過濾（User-basedCF）和基于項目的協(xié)同過濾技術(shù)（Item-basedCF）的適用環(huán)境及潛在的問題，

3、如協(xié)同過濾推薦算法中存在的數(shù)據(jù)稀疏性問題等，并提出使用非負矩陣分解技術(shù)來解決，取得了較好的效果。
　　(3).針對傳統(tǒng)協(xié)同過濾技術(shù)中存在的數(shù)據(jù)稀疏性和擴展性問題，本文提出了利用非負矩陣分解技術(shù)對用戶和項目評分矩陣進行規(guī)范、簡化和降維處理，提出了以聚類算法進行劃分不同用戶類型，并將聚類劃分用戶結(jié)果作為最近鄰居，最后通過協(xié)同過濾算法進行預測評分，產(chǎn)生推薦。
　　(4).通過使用MovieLens站點數(shù)據(jù)進行模擬比對實驗，驗證了本