推薦系統(tǒng)中相似度計(jì)算方法的研究.pdf

1、據(jù)統(tǒng)計(jì)，互聯(lián)網(wǎng)海量數(shù)據(jù)中，非結(jié)構(gòu)化數(shù)據(jù)的比例已經(jīng)達(dá)到80％左右?；ヂ?lián)網(wǎng)規(guī)模和覆蓋面的迅速增長帶來了著名的“信息超載”問題。一方面，豐富的信息資源為人們的生活提供了極大的幫助；另一方面，過量信息使得用戶無法從中獲取有用的知識，導(dǎo)致信息使用效率降低。
　　為了緩解這個(gè)問題，需要一種信息過濾的手段來幫助人們在海量數(shù)據(jù)中找到有用的信息資源，推薦系統(tǒng)是當(dāng)前解決信息超載問題非常有效的手段?；趨f(xié)同過濾的推薦系統(tǒng)作為應(yīng)用最廣泛、研究最深入的一類

2、推薦系統(tǒng)，在電子商務(wù)、社交網(wǎng)站以及各類資訊平臺上都取得了巨大成功。協(xié)同過濾算法的關(guān)鍵在于尋找用戶或物品的鄰居，鄰居的尋找依賴于用戶或物品之間的相似度計(jì)算。因此，相似度計(jì)算的準(zhǔn)確性決定了推薦結(jié)果的質(zhì)量。如何提高相似度計(jì)算的準(zhǔn)確性成為了推薦算法成功的關(guān)鍵問題。
　　本文首先介紹了推薦系統(tǒng)領(lǐng)域常見的三類推薦方法，并對推薦系統(tǒng)的若干性能評測指標(biāo)進(jìn)行了介紹；然后對協(xié)同過濾算法進(jìn)行了詳細(xì)的實(shí)驗(yàn)分析，觀察了鄰居數(shù)量對推薦結(jié)果的影響規(guī)律，接著探討

3、了不同的相似度計(jì)算方法的適用場景以及它們的局限性。
　　為了提高相似度計(jì)算的準(zhǔn)確性，本文探討了可能影響相似度計(jì)算準(zhǔn)確性的四個(gè)因素，包括高頻物品、共同評分用戶的數(shù)量、物品評分權(quán)重、物品相似權(quán)重，同時(shí)給出了針對這些影響因素的改進(jìn)算法。然后通過離線實(shí)驗(yàn)的方式驗(yàn)證了基于改進(jìn)相似度計(jì)算的協(xié)同過濾推薦系統(tǒng)的性能要優(yōu)于基于傳統(tǒng)相似度計(jì)算的協(xié)同過濾推薦系統(tǒng)。本文最后利用Mahout平臺下的Taste工具模擬了基于協(xié)同過濾算法、SlopeOne算法