推薦系統(tǒng)中基于相似性計(jì)算的協(xié)同過(guò)濾算法研究.pdf

1、信息技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)用戶量和信息量規(guī)模的不斷擴(kuò)大，網(wǎng)絡(luò)空間的信息生產(chǎn)者由傳統(tǒng)媒體逐步趨向大眾化和平臺(tái)化。隨著個(gè)人影響力的提升和人工智能的普及發(fā)展，人人都是信息的生產(chǎn)者，任何同網(wǎng)絡(luò)傳輸相連接的設(shè)備也是信息制造者。大規(guī)模信息量的產(chǎn)生在為用戶提供充足信息的同時(shí)也帶來(lái)相當(dāng)大的困擾，即如何從龐大繁瑣的數(shù)據(jù)空間獲取需要的信息內(nèi)容，該現(xiàn)象即是信息過(guò)載。
　　推薦系統(tǒng)的出現(xiàn)，有效地緩解了過(guò)載問(wèn)題。其中的協(xié)同過(guò)濾推薦技術(shù)，利用用戶間相關(guān)信息，

2、產(chǎn)生合理推薦，并能由反饋信息進(jìn)行動(dòng)態(tài)調(diào)整，突破了專業(yè)領(lǐng)域知識(shí)的限制，提高了推薦性能。但同時(shí)協(xié)同過(guò)濾也面臨著一些問(wèn)題，由于用戶規(guī)模和項(xiàng)目數(shù)量的不斷增大，不可避免地會(huì)出現(xiàn)維度災(zāi)難的問(wèn)題，該問(wèn)題具體會(huì)反映在數(shù)據(jù)稀疏性上，如何有效地利用已存在的數(shù)據(jù)信息，為解決推薦系統(tǒng)所面臨問(wèn)題的關(guān)鍵。
　　針對(duì)稀疏問(wèn)題，本文由相似性出發(fā)展開(kāi)研究。第一，在用戶對(duì)應(yīng)的項(xiàng)目領(lǐng)域，根據(jù)項(xiàng)目屬性進(jìn)行用戶分類，得到用戶初始興趣分布。在用戶所具有的興趣分布特征基礎(chǔ)上進(jìn)

3、行數(shù)據(jù)信息量化處理，獲取用戶本身興趣特征，通過(guò)計(jì)算用戶的興趣特征差異，經(jīng)過(guò)數(shù)量關(guān)系調(diào)整后得到新的相似性，最終在協(xié)同框架下進(jìn)行預(yù)測(cè)評(píng)分?jǐn)?shù)值計(jì)算，最終完成推薦過(guò)程。第二，根據(jù)用戶評(píng)分結(jié)構(gòu)所具有的隸屬特點(diǎn)，以及用戶間評(píng)分體系所體現(xiàn)的差異性，分別得到具有用戶評(píng)分結(jié)構(gòu)性和用戶評(píng)分混亂性特點(diǎn)的相似性計(jì)算方法。在有限的用戶數(shù)據(jù)空間，通過(guò)將兩方面特性進(jìn)行有效融合，形成新的相似性計(jì)算方法。
　　最后，由興趣分布和評(píng)分結(jié)構(gòu)出發(fā)得到的相似性方法，在協(xié)同