社會網絡中基于用戶評分數據的協(xié)同推薦研究.pdf

1、近些年來，隨著信息技術的發(fā)展，電子商務領域積累了大量的數據，海量數據在為客戶提供多樣化商品選擇的同時也帶來了選擇難的問題。推薦系統(tǒng)作為一種基于海量信息進行檢索和篩選的個性化推送技術越來越受到人們的重視。它以客戶的實際需求為中心，根據客戶的歷史行為數據預測用戶的行為偏好，從而主動為客戶提供個性化的數據信息服務。然而，在基于用戶評分進行用戶興趣偏好建模的推薦系統(tǒng)中常常面臨著一些不可避免的問題，如用戶相似度計算精度問題、評分矩陣稀疏性問題。針

2、對推薦系統(tǒng)中這兩個常見的問題本文分別進行了探索，提出了一種新的計算用戶相似度的計算方法，改善了傳統(tǒng)相似度計算方法的不足；利用了物品的標簽信息在一定程度上緩解了評分矩陣存在大量缺失值時不能很好的找出與目標用戶具有相似偏好的用戶的問題。具體來說，文中的貢獻主要包含以下三個方面：
　?。?）針對皮爾遜相似度在計算時遇到分母為0而相似度無法計算的情況，提出了一種改進方法，該方法能夠根據用戶評分情況適應選擇合理的相似度計算方法。