基于可信度的協(xié)同過濾推薦算法研究.pdf

1、互聯網技術的普及，促使電子商務被越來越多的用戶所接受。推薦系統(tǒng)可以與用戶進行交互，模擬商店銷售人員幫助用戶完成購買過程，并能根據用戶的興趣對用戶進行個性化的推薦，對提升電子商務網站的用戶滿意度、增加網站的銷售量有重要影響。近年來推薦系統(tǒng)在理論研究和實踐應用方面都取得了很大的進展，在電子商務中的應用有著廣闊的發(fā)展前景，引起了越來越多的企業(yè)和學者的關注。
　　 推薦系統(tǒng)的好壞取決于系統(tǒng)所使用的推薦算法，目前主要的推薦算法有：協(xié)同過濾

2、、基于內容、基于人口統(tǒng)計、基于知識和上述算法的混合推薦算法。其中協(xié)同過濾對推薦對象沒有特殊要求，可以廣泛地應用于音樂、電影和在線學習等各個領域，在數據密度達到一定程度時表現出非常好的推薦質量，因此在推薦系統(tǒng)領域取得了最大的成功，成為學者研究推薦算法的熱點。
　　 論文對傳統(tǒng)的基于用戶和基于項目的協(xié)同過濾算法進行了深入研究，發(fā)現傳統(tǒng)的協(xié)同過濾推薦算法對用戶偏愛度問題、用戶興趣度問題和用戶信任度問題沒有給出合理的解決方案，因此在面對

3、商品數量龐大并且用戶評分可信度不高的情況下，不能給出準確和高效的推薦?，F有的對協(xié)同過濾的改進算法可以在一定程度上解決上述問題，但都存在一定的局限性。基于以上分析，論文提出了分類相似度、用戶興趣度和用戶可信度三個概念，并為這三個概念找到了一個較好的結合點，改進了推薦流程，很好地解決了上述幾個問題。改進后的算法首先根據分類相似度和用戶興趣度確定向用戶進行推薦的類別，縮小預測評分的項目空間；在計算鄰居用戶時，綜合考慮目標用戶和鄰居用戶評分的相

4、似度以及鄰居用戶在領域內的可信度，因此算法搜索到的鄰居用戶既與目標用戶的興趣比較相似又比較可信。
　　 論文設計了三部分實驗，除采用傳統(tǒng)的平均絕對偏差(MAE)和平均推薦產生耗時(MCT)兩個評估指標進行評價之外，論文還提出了一個新穎度指標(NOV)對推薦效果進行考查。經過一系列對比實驗證明：改進后的算法能夠明顯地提高推薦的準確度。另外，由于本文算法采用了離線和在線結合的方式產生推薦，并且縮小了預測評分的項目空間，因而推薦效率也