面向數(shù)據(jù)稀疏的協(xié)同過(guò)濾推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的普及以及現(xiàn)代電子商務(wù)的快速發(fā)展，網(wǎng)絡(luò)上的信息呈指數(shù)增長(zhǎng)的趨勢(shì)，從而出現(xiàn)了所謂的“信息爆炸”和“信息過(guò)載”現(xiàn)象。個(gè)性化推薦技術(shù)是解決信息過(guò)載問(wèn)題的有效手段。作為當(dāng)前應(yīng)用最廣泛的個(gè)性化推薦技術(shù)之一，協(xié)同過(guò)濾推薦技術(shù)的核心思想是協(xié)同合作。近些年來(lái)，雖然協(xié)同過(guò)濾推薦技術(shù)在實(shí)際應(yīng)用中取得了巨大的成功，但同樣面臨著嚴(yán)峻的問(wèn)題。其中，最難解決的問(wèn)題就是數(shù)據(jù)稀疏問(wèn)題。數(shù)據(jù)稀疏問(wèn)題是推薦系統(tǒng)中用戶和項(xiàng)目數(shù)據(jù)不斷增加的必然結(jié)果，因?yàn)橛脩艚o予評(píng)分

2、的項(xiàng)目數(shù)量很有限，導(dǎo)致了用戶評(píng)分矩陣稀疏，而協(xié)同過(guò)濾推薦算法是根據(jù)用戶的歷史評(píng)分?jǐn)?shù)據(jù)實(shí)現(xiàn)對(duì)用戶的推薦。因此，數(shù)據(jù)稀疏問(wèn)題成為制約協(xié)同過(guò)濾推薦算法推薦結(jié)果準(zhǔn)確性的一個(gè)重要因素。本文主要研究面向數(shù)據(jù)稀疏的協(xié)同過(guò)濾推薦算法。首先，從兩個(gè)角度出發(fā)分析傳統(tǒng)協(xié)同過(guò)濾推薦算法在數(shù)據(jù)稀疏情況下的弊端。然后，在此基礎(chǔ)上，本文提出了兩種改進(jìn)算法：融合爭(zhēng)議度特征的協(xié)同過(guò)濾推薦算法和基于項(xiàng)目遞歸關(guān)系的協(xié)同過(guò)濾推薦算法。最后，本文將提出的算法應(yīng)用到實(shí)際的平臺(tái)中以

3、檢驗(yàn)其實(shí)用性。具體研究?jī)?nèi)容如下：
　　 ⑴分析了傳統(tǒng)的計(jì)算項(xiàng)目相似度方法在數(shù)據(jù)稀疏情況下計(jì)算項(xiàng)目相似度不準(zhǔn)確問(wèn)題。本文從項(xiàng)目間的整體評(píng)分角度出發(fā)，提出了爭(zhēng)議相似度的概念，并將爭(zhēng)議度特征融合到基于項(xiàng)目之間共同用戶評(píng)分的傳統(tǒng)相似度算法中，進(jìn)而提出了融合項(xiàng)目爭(zhēng)議度特征的協(xié)同過(guò)濾推薦算法，緩解了傳統(tǒng)算法在稀疏數(shù)據(jù)情況下相似度計(jì)算不準(zhǔn)確的問(wèn)題。實(shí)驗(yàn)結(jié)果表明該算法在數(shù)據(jù)稀疏環(huán)境下可以明顯提升推薦質(zhì)量。
　　 ⑵分析了現(xiàn)有協(xié)同過(guò)濾推薦

4、算法在預(yù)測(cè)目標(biāo)用戶對(duì)于目標(biāo)項(xiàng)目評(píng)分時(shí)導(dǎo)致了數(shù)據(jù)的進(jìn)一步稀疏化的原因。在此基礎(chǔ)上,將項(xiàng)目間的遞歸關(guān)系融入?yún)f(xié)同過(guò)濾推薦算法，利用遞歸的思想提出一種基于項(xiàng)目遞歸關(guān)系的協(xié)同過(guò)濾推薦算法，基于項(xiàng)目遞歸關(guān)系的協(xié)同過(guò)濾推薦算法能夠充分利用了稀疏數(shù)據(jù)情況下用戶評(píng)分信息，避免了預(yù)測(cè)目標(biāo)用戶對(duì)于項(xiàng)目評(píng)分時(shí)數(shù)據(jù)的進(jìn)一步稀疏化，實(shí)驗(yàn)結(jié)果表明該算法可以有效地緩解協(xié)同過(guò)濾推薦中的數(shù)據(jù)稀疏問(wèn)題。
　　 ⑶將本文提出的兩種算法應(yīng)用在《圖書館交互式科研管理平臺(tái)》