基于協(xié)同過濾的個性化推薦算法的優(yōu)化和應用.pdf

1、近年來，隨著互聯(lián)網(wǎng)和電子商務的不斷成熟和發(fā)展，人們在信息的獲取和商品的購買上獲得了很多的便利。與此同時，也出現(xiàn)了“信息過載”的問題。用戶在尋找滿意的商品上浪費了大量的時間。因此，推薦系統(tǒng)的發(fā)展越來越受到重視。推薦系統(tǒng)能夠根據(jù)用戶的歷史行為和個人信息為用戶提供合適的商品推薦，幫助提高電子商務系統(tǒng)的服務質量。
　　 協(xié)同過濾是目前在電子商務推薦系統(tǒng)中應用較為成功的個性化推薦技術，它通過共享其他用戶的經(jīng)驗幫助目標用戶迅速找到自己感興趣

2、的商品或信息。協(xié)同過濾的研究已經(jīng)成為個性化推薦領域的熱點研究問題。本文所作的主要工作就是協(xié)同過濾算法的改進和優(yōu)化。
　　 本文首先介紹了推薦技術的各種形式。然后重點分析了當前協(xié)同過濾算法的研究狀況，對各種類型的協(xié)同過濾算法做了深入的研究和分析，比較了其各自的特點。
　　 本文的核心研究內容是“斜坡算法”（Slope one）的改進和優(yōu)化?！靶逼滤惴ā保⊿lope one）是一種基于項目（Item-based）的協(xié)同過濾推

3、薦算法。Slope one具有簡單和高效的特點，但是忽略了項目評價數(shù)目的影響。通過對其缺點的分析，詳細探討了它的兩種改進方式：加權Slope one、評分系數(shù)Slope one（R-Slope one，Rating Slope one）。盡管加權Slopeone和R-Slope one算法相比Slope one來說有了一定的改進，但是這兩種算法仍然存在用戶的針對性不強等問題?；诖?，本文提出了基于上述二種改進的Slope one算法和用

4、戶聚類結合的混合推薦算法：加權Slopeone與用戶聚類的混合協(xié)同過濾算法（Weighted Slope one-UserClustering，WSO-UC）、評分系數(shù)Slope one與用戶聚類的混合協(xié)同過濾算法（Rating Slope one-User Clustering，RSO-UC）。
　　 本文通過兩個實驗來驗證所提出的算法WSO-UC和RSO-UC的性能。一組實驗是將其與Slope one、加權Slope one