基于商品關系改進的協同過濾推薦算法.pdf

1、隨著互聯網中的信息量劇增，用戶個性化需求日趨急切，推薦系統已經成為信息過濾的熱門工具。協同過濾推薦算法是應用最廣泛的推薦算法。為進一步提升推薦結果的準確度，大量基于用戶關系的協同過濾算法被提出，例如基于社交網絡用戶關系的推薦算法等。然而，被眾多的研究者忽略的商品關系對于提高推薦算法的準確度卻有更好的效果。
　　本文旨在將商品關系融合到傳統的協同過濾推薦算法中以進一步提升推薦效果。通常商品關系可分為隱式關系和顯式關系。首先，為解決利

2、用相似度算法發(fā)掘隱式商品關系方法中存在的不足，例如對稱性以及不能同時考慮多個商品間的關系等問題，本文利用改進的關聯規(guī)則技術挖掘一對一及多對一的隱式商品關系，并以此關系作為正則項融合到矩陣分解模型中。同時，為進一步研究不同商品關系對提升推薦效果的影響，本文設計了四種不同的選取隱式商品關系的策略。
　　其次，在真實的電子商務系統中，商品之間往往存在顯式的關系：具有相似特征的商品會被分配到同一類別中，反之則被分配到不同類別中。同時考慮到