基于項(xiàng)目分類和K-means聚類的加權(quán)Slope One算法研究.pdf

1、協(xié)同過濾推薦算法是現(xiàn)實(shí)世界應(yīng)用最廣泛、最成熟的算法之一。本課題研究的Slope One算法就是一種基于項(xiàng)目的協(xié)同過濾推薦算法，該算法因其簡單高效的特點(diǎn)受到眾多學(xué)者的青睞。但該算法將所有用戶和項(xiàng)目看的同等重要，當(dāng)數(shù)據(jù)集過于稀疏時(shí)算法的預(yù)測精度和可擴(kuò)展性都面臨嚴(yán)峻挑戰(zhàn)。針對這些問題，本課題提出了相應(yīng)的改進(jìn)措施。
　　首先，簡單介紹了推薦系統(tǒng)產(chǎn)生的背景和研究現(xiàn)狀，描述了協(xié)同過濾推薦算法的相關(guān)知識。緊接著重點(diǎn)講解了Slope One算法的

2、相關(guān)內(nèi)容，總結(jié)了算法的優(yōu)缺點(diǎn)，并提出相應(yīng)的改進(jìn)方案。
　　其次，隨著用戶和項(xiàng)目數(shù)量的急劇增長，計(jì)算量也隨之增加，該情況會導(dǎo)致算法的可擴(kuò)展性差。因此本文考慮利用項(xiàng)目分類信息劃分評分矩陣，使Slope One算法的相關(guān)計(jì)算在目標(biāo)項(xiàng)目所在的分類矩陣中進(jìn)行。為了區(qū)分用戶，引入分類專家，即利用專家用戶的評分計(jì)算項(xiàng)目間偏差；為了區(qū)分項(xiàng)目，引入項(xiàng)目動態(tài)k近鄰，即利用用戶對近鄰項(xiàng)目的評分計(jì)算偏差和預(yù)測評分。這種改進(jìn)方案不僅減小了計(jì)算量，同時(shí)還過濾

3、了不相關(guān)用戶或項(xiàng)目對預(yù)測結(jié)果的影響，提高了推薦精度。
　　然后，考慮到有的數(shù)據(jù)集不包含項(xiàng)目屬性信息，此時(shí)采用 K-means聚類方法，利用評分信息分別對用戶和項(xiàng)目聚類。對于基于用戶聚類的方法，需要在目標(biāo)用戶所在的聚類中尋找該用戶的k近鄰，然后根據(jù)近鄰用戶的評分計(jì)算項(xiàng)目偏差；對于基于項(xiàng)目聚類的方法，需要在目標(biāo)項(xiàng)目所在的聚類中尋找該項(xiàng)目的k近鄰，然后根據(jù)用戶對近鄰項(xiàng)目的評分計(jì)算偏差和預(yù)測評分。該方案同樣可以減小計(jì)算量和提高預(yù)測準(zhǔn)確性。