基于兩階段行為模式的協(xié)同過濾推薦算法研究.pdf

1、由于互聯(lián)網中信息爆炸式的增長，導致用戶很難直接發(fā)現有用的信息。為此，根據用戶的歷史行為數據進行建模的推薦系統(tǒng)吸引了學者的廣泛關注，可以一定程度上緩解信息過載的問題。各種類型的推薦算法中，協(xié)同過濾推薦算法以其可理解性強、無需語義分析等特點成為目前使用最廣泛的推薦算法之一。但是，隨著數據規(guī)模的增大，協(xié)同過濾算法面臨著數據稀疏，實時性以及準確性和多樣性的權衡等方面的問題。另外，與之前的評分預測相比，Top-N推薦形式更符合當前協(xié)同過濾推薦算法

2、的需求。因此，本文主要針對協(xié)同過濾算法存在的部分問題，研究協(xié)同過濾算法在Top-N的推薦算法。本文主要的研究工作是:
　　(1)提出了基于兩步預測的二分網絡Top-N推薦算法。已有的基于二分網絡的協(xié)同過濾推薦算法只考慮了用戶選擇，忽略了用戶評分。利用本文的用戶行為中存在的兩階段的行為，提出了基于兩步預測的二分網絡Top-N推薦算法。該算法先利用NBI算法預測用戶對產品進行評分的概率，然后利用兩步預測將其與協(xié)同過濾算法結合進行推薦。

3、在MoiveLens數據集上的實驗表明，該算法提高了推薦的準確度。
　　(2)提出了一種基于屬性比重相似性的兩步預測Top-N推薦算法。在處理極端不均勻和稀疏的用戶評分數據時，傳統(tǒng)的協(xié)同過濾推薦算法不能很好的進行相似性計算。為此，考慮用戶對某一類的產品更感興趣和一個產品可能同屬于不同的屬性，同時，結合用戶兩階段行為模式，本文提出一種基于屬性比重相似性的兩步預測Top-N推薦算法。在MoiveLens數據集上的實驗表明，算法能提高協(xié)