基于SVD++推薦系統(tǒng)候選集生成及冷啟動解決方法.pdf

1、隨著互聯(lián)網(wǎng)上信息爆發(fā)式的增長，用戶對信息也呈現(xiàn)出個性化的需求。推薦系統(tǒng)通過用戶偏好數(shù)據(jù)獲取用戶興趣取向，從而為用戶提供個性化的信息或商品推薦服務。SVD++算法由于其良好的精確度與可擴展性，非常適合用于大型互聯(lián)網(wǎng)系統(tǒng)，已成為推薦系統(tǒng)領域的研究熱門。但冷啟動與候選集生成問題一直是SVD++算法應用的瓶頸。
　　推薦系統(tǒng)需預測用戶對商品子集即候選集的偏好從而形成推薦。而SVD++算法基于隨機抽樣的候選集生成方法不能生成符合用戶興趣的候

2、選集，推薦結果的個性化程度不高，這便是候選集生成問題。另一方面，系統(tǒng)擴展引入的新用戶、新商品不存在評分數(shù)據(jù)，SVD++算法不能訓練新用戶新商品的特征參數(shù)，產(chǎn)生新用戶、新商品無法加入推薦系統(tǒng)的冷啟動問題。
　　針對候選集生成問題，考慮到用戶歷史行為與候選集之間的關聯(lián)，本文利用關聯(lián)挖掘方法解決候選集生成問題，提出了基于FP-Tree的候選集生成方法。本文利用FP-Tree存儲商品間的關聯(lián)關系，挖掘與用戶的瀏覽歷史相關聯(lián)的商品形成候選集