基于用戶聚類的協(xié)同過濾推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，大量無意義的數(shù)據(jù)給人們篩選有效信息帶來巨大的困難。為了幫助人們快速有效的篩選信息，個性化推薦系統(tǒng)應(yīng)運(yùn)而生。推薦算法作為推薦系統(tǒng)的核心，一直是研究的重點(diǎn)。在眾多的推薦算法中，協(xié)同過濾算法是應(yīng)用最廣泛的。協(xié)同過濾算法通過對用戶歷史行為數(shù)據(jù)的挖掘發(fā)現(xiàn)用戶的偏好，從而基于不同的偏好對用戶進(jìn)行群組劃分并推薦品味相似的物品。然而，隨著電子商務(wù)系統(tǒng)中用戶數(shù)和項(xiàng)目數(shù)的不斷增大，數(shù)據(jù)的稀疏性和推薦效率逐漸成為制約協(xié)同過濾算法發(fā)展的瓶頸。

2、為了提高協(xié)同過濾算法的推薦質(zhì)量和推薦效率，本文提出一種基于改進(jìn)的用戶聚類協(xié)同過濾推薦算法，并基于改進(jìn)算法設(shè)計(jì)和實(shí)現(xiàn)了一個B/S架構(gòu)的電影推薦系統(tǒng)。
　　本文介紹了個性化推薦系統(tǒng)的發(fā)展背景和架構(gòu)設(shè)計(jì)，給出了傳統(tǒng)協(xié)同過濾算法的基本思想和面臨的主要問題，從而從離線用戶聚類和用戶相似度計(jì)算兩個方面改進(jìn)了傳統(tǒng)算法。對算法的改進(jìn)主要體現(xiàn)在兩個方面:一是綜合考慮了用戶評分信息和項(xiàng)目類別偏好信息對用戶聚類的影響，提出一種聯(lián)合用戶聚類算法。該算法分

3、別基于用戶評分信息和項(xiàng)目類別偏好信息對基本用戶聚類，產(chǎn)生兩個聚類中心和兩個用戶類別所屬矩陣，計(jì)算目標(biāo)用戶與兩個聚類中心的相似度以及目標(biāo)用戶在不同聚類中所屬的類簇，對結(jié)果合并去重后得到目標(biāo)用戶的最近鄰居搜索空間。二是針對傳統(tǒng)Pearson相關(guān)系數(shù)計(jì)算相似度時對絕對數(shù)值不敏感等問題，提出一種基于差異因子的加權(quán)Pearson相關(guān)系數(shù)計(jì)算方法，將評分差異因子作為權(quán)重來修正傳統(tǒng)的Pearson相關(guān)系數(shù)。采用MovieLens數(shù)據(jù)集，以MAE值、準(zhǔn)