利用離群點(diǎn)檢測(cè)改進(jìn)協(xié)同過濾推薦算法.pdf

1、電子商務(wù)的迅速發(fā)展，導(dǎo)致網(wǎng)絡(luò)消費(fèi)群體數(shù)量不斷增加，網(wǎng)絡(luò)信息也隨之大量涌現(xiàn)。商品推薦技術(shù)能根據(jù)用戶的不同需求為用戶提供個(gè)性化的服務(wù)，因此它在電子商務(wù)系統(tǒng)中得到了廣泛的應(yīng)用。協(xié)同過濾推薦算法是目前應(yīng)用的最有效的算法之一，但該算法仍存在著一些問題，比如容易受人為因素干擾產(chǎn)生噪聲數(shù)據(jù)，系統(tǒng)中用戶和項(xiàng)目數(shù)量的增加導(dǎo)致了數(shù)據(jù)稀疏性。論文在傳統(tǒng)協(xié)同過濾推薦算法的基礎(chǔ)上針對(duì)其存在的問題提出了一些改進(jìn)方法。主要研究?jī)?nèi)容如下：
　　（1）提出一種改進(jìn)

2、的用戶評(píng)分相似度計(jì)算方法。用戶評(píng)分相似度計(jì)算是推薦系統(tǒng)的第一步也是最為關(guān)鍵的一步，它決定著目標(biāo)用戶鄰域的選取。相似度是通過用戶對(duì)項(xiàng)目的評(píng)分和項(xiàng)目均值來計(jì)算的，與傳統(tǒng)方法相比，能較好的度量用戶評(píng)分之間的相似度。
　?。?）利用基于密度的局部離群點(diǎn)檢測(cè)算法去除目標(biāo)用戶鄰域中的噪聲數(shù)據(jù)。確定目標(biāo)用戶的鄰域后，在鄰域中利用局部密度離群點(diǎn)算法計(jì)算每個(gè)用戶的離群因子，根據(jù)預(yù)先設(shè)置的閾值，去掉離群因子較大的用戶，然后利用鄰域中剩下的用戶進(jìn)行推薦