基于用戶興趣的協(xié)同過濾推薦算法研究.pdf

1、因特網(wǎng)技術(shù)的快速發(fā)展，推薦系統(tǒng)由于能夠幫助用戶快速做出適當決定，被廣泛應(yīng)用于各大電子商務(wù)網(wǎng)站，推薦服務(wù)的使用能促進用戶由瀏覽者到購買者之間的轉(zhuǎn)換，給生產(chǎn)商帶來商機的同時讓用戶信息生活更加智能高效。協(xié)作過濾(CF)是作為推薦領(lǐng)域的主要技術(shù)，能夠行之有效地解決信息超載問題。協(xié)同過濾根據(jù)用戶更易采納與其志同道合的朋友給出的推薦這一思想，采用最近鄰技術(shù)研究用戶興趣特征，通過預測用戶興趣進行個性化推薦。在用戶-項目矩陣中，評分數(shù)據(jù)量與用戶項目數(shù)比

2、較相當稀疏，導致推薦采納率下降，用戶使用體驗不理想。此外，協(xié)同過濾還存在冷啟動，擴展性差和未考慮用戶興趣動態(tài)變化等問題，導致推薦結(jié)果的準確率低。因此，我們還需要針對上述問題進行進一步研究。
　　本研究主要內(nèi)容包括：⑴基于鄰域的協(xié)同過濾算法在進行相似性度量時只利用用戶間共同評分，而數(shù)據(jù)集中用戶有效數(shù)據(jù)短缺和項目規(guī)模龐大，導致用戶-項目矩陣稀疏性嚴重，相似性度量與實際存在偏差，推薦效果并不理想。因此，本文提出一種基于巴氏系數(shù)和Jacc

3、ard系數(shù)的協(xié)同過濾算法。在項目相似性度量中，該算法引入巴氏系數(shù)和Jaccard系數(shù)，巴氏系數(shù)能夠利用用戶所有評分信息能夠克服共同評分的限制，提高用戶有效信息的利用率；Jaccard系數(shù)可以增加相似性度量中共同評分項所占的比重，調(diào)整巴氏系數(shù)使用全局用戶數(shù)據(jù)信息而忽略了共同評分項對相似性度量的重要性；最后同時利用兩個系數(shù)提高相似性度量準確率。通過實驗驗證，該算法通過提高項目相似度準確率來選取最近鄰，優(yōu)化了對目標用戶的偏好預測和個性化推薦。

4、⑵基于用戶的協(xié)同過濾在進行推薦時，側(cè)重于如何高效利用歷史評分數(shù)據(jù)來計算似度，忽略了評分數(shù)據(jù)的時效性問題?？紤]時間因素對推薦的影響，針對某個時刻用戶喜好突然發(fā)生變化導致用戶歷史數(shù)據(jù)失真，用戶進行聚類的時刻存在隨機性和評分預測與實際數(shù)據(jù)差距大的問題，提出用戶興趣偏移和聚類的推薦算法。首先，引入項目關(guān)聯(lián)相似度和項目關(guān)聯(lián)圖，項目關(guān)聯(lián)相似度考慮項目隱形屬性提高相似度準確率，項目關(guān)聯(lián)圖將項目聚合分類，縮短推薦列表生成的時間；然后根據(jù)關(guān)聯(lián)圖建立興趣模