推薦系統(tǒng)用戶相似度計(jì)算方法研究.pdf

1、隨著互聯(lián)網(wǎng)的數(shù)據(jù)規(guī)模急劇擴(kuò)大,用戶無法準(zhǔn)確迅速地找到自己需要的信息,為解決日益嚴(yán)重的信息過載問題,多種技術(shù)方案應(yīng)運(yùn)而生,推薦系統(tǒng)就是其中的佼佼者。推薦系統(tǒng)是一種個(gè)性化的信息服務(wù),能夠很好地充當(dāng)用戶和信息資源之間的橋梁。推薦系統(tǒng)通過建立模型,對(duì)用戶的需求進(jìn)行描述,再通過某種推薦策略將特定的信息資源主動(dòng)推薦給目標(biāo)用戶。
　　由于推薦系統(tǒng)具有個(gè)性化和智能化等特點(diǎn),其在電子商務(wù)、社交網(wǎng)站和影音站點(diǎn)取得了巨大的成功,已經(jīng)成為這些應(yīng)用平臺(tái)的核

2、心子系統(tǒng)?；趨f(xié)同過濾的推薦系統(tǒng)是應(yīng)用最為廣泛、研究最為深入的一類推薦系統(tǒng),這類推薦系統(tǒng)算法的關(guān)鍵是尋找用戶或者項(xiàng)目的鄰居,鄰居尋找的準(zhǔn)確性決定了最后推薦結(jié)果的質(zhì)量,而鄰居的尋找依賴于用戶或者項(xiàng)目相似度的計(jì)算,因此設(shè)計(jì)一個(gè)適合的相似度計(jì)算方法是推薦算法成功的關(guān)鍵問題。
　　本文首先介紹了推薦系統(tǒng)的概念和推薦系統(tǒng)的模型,同時(shí)詳細(xì)探討了用戶研究和用戶模型,并對(duì)常用的推薦系統(tǒng)架構(gòu)進(jìn)行了分析和介紹;然后介紹了常用的幾種推薦算法并介紹了各自

3、適用的場(chǎng)景和優(yōu)缺點(diǎn)以及主要的相似度計(jì)算方法和這些相似度計(jì)算方法的局限,接著介紹了常用的實(shí)驗(yàn)數(shù)據(jù)集和評(píng)價(jià)指標(biāo)。
　　傳統(tǒng)的用戶相似度計(jì)算方法中每個(gè)項(xiàng)目的權(quán)重是一樣的,通過分析可以知道用戶間共同高評(píng)分項(xiàng)目的權(quán)重應(yīng)該高于用戶間共同低評(píng)分項(xiàng)目的權(quán)重,再考慮上類群關(guān)系,就得到了本文提出的一種加權(quán)的用戶相似度計(jì)算方法,這種方法解決了一些會(huì)導(dǎo)致尋找鄰居準(zhǔn)確性下降的問題。通過在MovieLens數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),與基于傳統(tǒng)用戶相似度計(jì)算方法的協(xié)同