協(xié)同過濾技術(shù)及其在電子商務(wù)推薦領(lǐng)域的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務(wù)應(yīng)用的廣泛深入，人們在享受網(wǎng)上購物便捷性的同時也陷入了信息過載的困境，用戶在大量的產(chǎn)品信息中難以找到自己需要的商品。因此，電子商務(wù)推薦系統(tǒng)應(yīng)運而生。 本文對電子商務(wù)推薦系統(tǒng)進行了較深入的研究，詳細分析了各種個性化推薦技術(shù)在電子商務(wù)推薦領(lǐng)域的應(yīng)用現(xiàn)狀和前景。在此基礎(chǔ)之上，重點研究了電子商務(wù)推薦領(lǐng)域的主流技術(shù)--協(xié)同過濾技術(shù)。在詳細分析傳統(tǒng)的基于項目的(Item-Based)協(xié)同過濾算法存在的問題的基礎(chǔ)上，

2、提出了一個新的基于項目關(guān)聯(lián)性評分預(yù)測的協(xié)同過濾算法IAPCF。區(qū)別于傳統(tǒng)的算法，IAPCF算法不是根據(jù)項目之間的相似度，而是根據(jù)項目之間的關(guān)聯(lián)規(guī)則來尋找項目的最近鄰居集合。實驗結(jié)果表明，IAPCF算法比傳統(tǒng)的基于項目的協(xié)同過濾算法具有更好的推薦精度。 隨著電子商務(wù)網(wǎng)站規(guī)模的增長，基于用戶的(User-Based)協(xié)同過濾算法存在較嚴重的數(shù)據(jù)稀疏性問題，使得用戶之間相似度的計算結(jié)果不準確，導(dǎo)致推薦質(zhì)量急劇下降。本文結(jié)合上述提出的新

3、算法IAPCF對此進行了改進。改進后的算法IAPCF-UB與傳統(tǒng)算法的不同之處在于：在形成用戶鄰居階段，計算用戶間相似度時，先利用IAPCF算法，根據(jù)兩兩用戶間評分項目的并集，預(yù)測用戶對并集中未評分項目的評分，增加用戶之間共同評分的項目數(shù)，從而可以解決用戶-項目評分矩陣的極端稀疏性，使得計算得到的目標用戶的最近鄰居更加準確，從而提高算法的推薦精度。實驗結(jié)果表明，在面對稀疏數(shù)據(jù)集時，改進算法IAPCF-UB相比于傳統(tǒng)的基于用戶的協(xié)同過濾算