基于推薦權(quán)重和動(dòng)態(tài)可靠近鄰的協(xié)同過(guò)濾算法.pdf

1、本文先是討論了推薦系統(tǒng)的興起的背景以及意義，進(jìn)而詳細(xì)介紹了推薦系統(tǒng)的結(jié)構(gòu)以及邏輯模塊，并對(duì)現(xiàn)有的各種推薦技術(shù)的特點(diǎn)進(jìn)行了討論和對(duì)比。并針對(duì)推薦系統(tǒng)中常見的問(wèn)題，提出了幾點(diǎn)改進(jìn)思想，并設(shè)計(jì)實(shí)驗(yàn)進(jìn)行驗(yàn)證，主要工作如下：
　　1）傳統(tǒng)的協(xié)同過(guò)濾基于K近鄰算法。然而，為了滿足數(shù)量上的要求，K個(gè)近鄰中也會(huì)存在一些與目標(biāo)對(duì)象相似度不高的個(gè)體,這將直接影響到推薦精度。因此我們需要定義兩個(gè)相似度的閾值以選取質(zhì)量比較高的近鄰。一個(gè)用于用戶間相似度計(jì)

2、算的閾值,另一個(gè)用于產(chǎn)品間相似度計(jì)算的閾值。當(dāng)一個(gè)對(duì)象和目標(biāo)對(duì)象之間的相似度大于這個(gè)閾值，才會(huì)被選作為鄰居。
　　2）皮爾森相似性系數(shù)的計(jì)算方法是存在弊端的，當(dāng)兩組對(duì)象的交集很小的時(shí)候，采用皮爾森相似度計(jì)算方法計(jì)算出來(lái)的相似度會(huì)有很大誤差,因此我們?cè)趯?duì)相似度進(jìn)行排序的過(guò)程中，提出一種推薦權(quán)重的概念，兩個(gè)項(xiàng)目交集越多，則兩者之間的推薦權(quán)重越高，排序也就越靠前，越具有推薦能力。
　　3）針對(duì)項(xiàng)目和用戶的兩組動(dòng)態(tài)近鄰，我們通過(guò)設(shè)定