基于用戶興趣的協同過濾推薦算法研究.pdf

1、因特網技術的快速發(fā)展，推薦系統(tǒng)由于能夠幫助用戶快速做出適當決定，被廣泛應用于各大電子商務網站，推薦服務的使用能促進用戶由瀏覽者到購買者之間的轉換，給生產商帶來商機的同時讓用戶信息生活更加智能高效。協作過濾(CF)是作為推薦領域的主要技術，能夠行之有效地解決信息超載問題。協同過濾根據用戶更易采納與其志同道合的朋友給出的推薦這一思想，采用最近鄰技術研究用戶興趣特征，通過預測用戶興趣進行個性化推薦。在用戶-項目矩陣中，評分數據量與用戶項目數比

2、較相當稀疏，導致推薦采納率下降，用戶使用體驗不理想。此外，協同過濾還存在冷啟動，擴展性差和未考慮用戶興趣動態(tài)變化等問題，導致推薦結果的準確率低。因此，我們還需要針對上述問題進行進一步研究。
　　本研究主要內容包括：⑴基于鄰域的協同過濾算法在進行相似性度量時只利用用戶間共同評分，而數據集中用戶有效數據短缺和項目規(guī)模龐大，導致用戶-項目矩陣稀疏性嚴重，相似性度量與實際存在偏差，推薦效果并不理想。因此，本文提出一種基于巴氏系數和Jacc

3、ard系數的協同過濾算法。在項目相似性度量中，該算法引入巴氏系數和Jaccard系數，巴氏系數能夠利用用戶所有評分信息能夠克服共同評分的限制，提高用戶有效信息的利用率；Jaccard系數可以增加相似性度量中共同評分項所占的比重，調整巴氏系數使用全局用戶數據信息而忽略了共同評分項對相似性度量的重要性；最后同時利用兩個系數提高相似性度量準確率。通過實驗驗證，該算法通過提高項目相似度準確率來選取最近鄰，優(yōu)化了對目標用戶的偏好預測和個性化推薦。

4、⑵基于用戶的協同過濾在進行推薦時，側重于如何高效利用歷史評分數據來計算似度，忽略了評分數據的時效性問題。考慮時間因素對推薦的影響，針對某個時刻用戶喜好突然發(fā)生變化導致用戶歷史數據失真，用戶進行聚類的時刻存在隨機性和評分預測與實際數據差距大的問題，提出用戶興趣偏移和聚類的推薦算法。首先，引入項目關聯相似度和項目關聯圖，項目關聯相似度考慮項目隱形屬性提高相似度準確率，項目關聯圖將項目聚合分類，縮短推薦列表生成的時間；然后根據關聯圖建立興趣模