結(jié)合潛在屬性的協(xié)同過(guò)濾模型研究.pdf

1、隨著網(wǎng)絡(luò)日益普及和使用電子商務(wù)平臺(tái)進(jìn)行購(gòu)物的用戶(hù)越來(lái)越多，電商的商品種類(lèi)和信息也越來(lái)越龐大，海量的商品和平臺(tái)信息往往消耗掉網(wǎng)購(gòu)用戶(hù)大量的時(shí)間和精力進(jìn)行查找商品或檢索相關(guān)信息。對(duì)于電商，也會(huì)因?yàn)槠洳涣加脩?hù)體驗(yàn)而導(dǎo)致客戶(hù)量的減少。為了減小在海量信息面前用戶(hù)的負(fù)擔(dān)，使得信息被更加高效的發(fā)掘和利用，個(gè)性化推薦系統(tǒng)的概念被提出、研究、實(shí)踐和發(fā)展，當(dāng)前已被開(kāi)發(fā)出多種推薦算法，并使用在不同的場(chǎng)合下來(lái)幫助電子商務(wù)網(wǎng)站為顧客提供個(gè)性化的信息服務(wù)和決策支持

2、。另外，推薦系統(tǒng)也廣泛的被應(yīng)用到其他各類(lèi)信息及社交平臺(tái)，為用戶(hù)動(dòng)態(tài)地推薦其所感興趣的對(duì)象，例如電影、書(shū)籍等，甚至可以進(jìn)行跨領(lǐng)域的推薦，從而可以廣泛并深入的挖掘用戶(hù)的興趣點(diǎn)及喜好，使得用戶(hù)對(duì)相應(yīng)信息平臺(tái)的使用更加充分，同時(shí)也增加了用戶(hù)對(duì)系統(tǒng)的忠誠(chéng)度。
　　本文首先從宏觀上對(duì)推薦系統(tǒng)的含義、構(gòu)造、作用進(jìn)行介紹，針對(duì)核心的推薦算法進(jìn)行研究、改進(jìn)，從準(zhǔn)確率上對(duì)算法的優(yōu)化結(jié)果進(jìn)行驗(yàn)證。協(xié)同過(guò)濾是當(dāng)前被廣泛應(yīng)用的一種推薦算法，它具有較好推薦的

3、準(zhǔn)確性、多樣性及拓展性。協(xié)同過(guò)濾包含以模型為基礎(chǔ)的協(xié)同過(guò)濾和以?xún)?nèi)存為基礎(chǔ)的協(xié)同過(guò)濾兩大類(lèi)算法，其中，基于內(nèi)存的算法又包括基于項(xiàng)目與基于用戶(hù)兩種。但它們存在共有的缺點(diǎn)是數(shù)據(jù)稀疏，難以處理大數(shù)據(jù)量影響即時(shí)結(jié)果，因此發(fā)展出基于模型的協(xié)同過(guò)濾算法。該算法是先通過(guò)歷史數(shù)據(jù)學(xué)習(xí)得到預(yù)測(cè)模型，再利用該模型進(jìn)行預(yù)測(cè)。
　　雖然協(xié)同過(guò)濾作算法在當(dāng)前電子商務(wù)中應(yīng)用廣泛，協(xié)同過(guò)濾算法仍然存在著一些缺陷，其主要的缺點(diǎn)有：推薦的準(zhǔn)確度問(wèn)題、可擴(kuò)展性問(wèn)題、實(shí)

4、時(shí)性問(wèn)題、冷啟動(dòng)問(wèn)題。
　　為了克服協(xié)同過(guò)濾算法中存在的弊病，本文提出了一個(gè)基于學(xué)習(xí)分類(lèi)預(yù)測(cè)模型的統(tǒng)一模型（結(jié)合潛在屬性的協(xié)同過(guò)濾模型），它統(tǒng)一了用戶(hù)和項(xiàng)目的外部屬性和潛在屬性來(lái)提供更加準(zhǔn)確的推薦服務(wù)。將協(xié)同過(guò)濾推薦問(wèn)題映射到文本分析處理問(wèn)題，利用概率潛在語(yǔ)義分析 PLSA來(lái)分析用戶(hù)歷史評(píng)分?jǐn)?shù)據(jù)，并計(jì)算用戶(hù)和項(xiàng)目的潛在屬性。該方法分兩個(gè)步驟：第一步，使用歷史評(píng)分?jǐn)?shù)據(jù)來(lái)計(jì)算獲取用戶(hù)和項(xiàng)目的潛在屬性；第二步，使用傳統(tǒng)的近似函數(shù)學(xué)習(xí)模型