基于用戶偏好的協(xié)同過(guò)濾算法研究.pdf

1、隨著Web2.0的到來(lái)，網(wǎng)上信息量急劇增長(zhǎng)，用戶可利用的數(shù)據(jù)也越來(lái)越豐富。然而，用戶不得不耗費(fèi)大量的時(shí)間來(lái)獲取有價(jià)值的信息。特別是大數(shù)據(jù)時(shí)代的到來(lái)，信息過(guò)載問(wèn)題已然成為當(dāng)前科學(xué)研究不可避免的難題。推薦系統(tǒng)是解決大型網(wǎng)站和電子商務(wù)系統(tǒng)中信息過(guò)載問(wèn)題的有效方案，其本質(zhì)上是依據(jù)記錄的用戶信息來(lái)分析用戶喜歡的內(nèi)容，以實(shí)現(xiàn)個(gè)性化推薦。協(xié)同過(guò)濾是推薦系統(tǒng)中一種成功的技術(shù)方法，但面臨著嚴(yán)峻的數(shù)據(jù)稀疏性問(wèn)題，該問(wèn)題制約著推薦性能的提高。因此，文中主要從

2、用戶偏好這個(gè)角度構(gòu)建推薦模型以提高對(duì)稀疏數(shù)據(jù)的處理能力，主要內(nèi)容如下：
　　(1)概括了協(xié)同過(guò)濾研究面臨的關(guān)鍵科學(xué)問(wèn)題，分析了問(wèn)題產(chǎn)生原因以及描述了國(guó)內(nèi)外研究人員對(duì)問(wèn)題的研究現(xiàn)狀，特別對(duì)數(shù)據(jù)稀疏性的研究現(xiàn)狀給出了較為詳細(xì)的描述。
　　(2)傳統(tǒng)協(xié)同過(guò)濾方法并未考慮用戶偏好這一關(guān)鍵因素。基于此，提出了一種基于用戶偏好聚類(lèi)的協(xié)同過(guò)濾算法。該算法首先根據(jù)用戶的不同偏好進(jìn)行聚類(lèi)分析，然后提出了一種新的相似性度量方法以形成多個(gè)準(zhǔn)確合理

3、的用戶群體。實(shí)驗(yàn)結(jié)果表明所提算法能夠提高推薦性能。
　　(3)在傳統(tǒng)協(xié)同過(guò)濾方法的基礎(chǔ)上提出了一種有效的修正算法。該算法主要從用戶偏好，共同評(píng)分項(xiàng)數(shù)量以及用戶之間相似性度量三個(gè)方面對(duì)傳統(tǒng)方法作了改進(jìn)。在二個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提算法的優(yōu)越性。
　　(4)傳統(tǒng)基于相似性計(jì)算的近鄰選擇不夠準(zhǔn)確可靠?；诖耍岢隽艘环N基于信息熵的協(xié)同過(guò)濾算法。該算法首先引入了信息熵去刻畫(huà)用戶不同偏好，然后利用大間隔方法聯(lián)合用戶信息熵和相