推薦算法的研究及易物網(wǎng)的實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，人們可以獲取到海量的數(shù)據(jù)，這極大地促進了人類的進步。然而，隨著數(shù)據(jù)量的不斷增長，如何在海量的數(shù)據(jù)中捕獲自己感興趣的信息已成為大數(shù)據(jù)分析的研究熱點之一，在這種情況下，個性化推薦技術(shù)應運而生。個性化推薦不僅可以提高用戶在有效的時間內(nèi)發(fā)現(xiàn)自己感興趣信息的效率，同時可以使商戶及時主動的將有用信息提供給用戶。因此，研究個性化推薦算法具有極大的商業(yè)價值和意義，已經(jīng)引起了學術(shù)界和商業(yè)界的廣泛關(guān)注。因此，本文針對基于用戶的個性化協(xié)

2、同過濾算法進行了研究并將算法應用于構(gòu)建的易物網(wǎng)交易平臺，主要研究成果包括:
　　(1)針對協(xié)同過濾算法的數(shù)據(jù)稀疏這一問題，本文提出了一種基于項目活躍度的填充算法。該算法對用戶的評分數(shù)據(jù)進行slope one預填充，有效地解決了單一使用用戶評分的個數(shù)來計算用戶相似度數(shù)據(jù)稀疏的問題，填充的方式簡單合理有效。與傳統(tǒng)填充方法相比，所提算法能夠增強數(shù)據(jù)的稀疏性和提高用戶相似度計算的精度。
　　(2)針對協(xié)同過濾算法數(shù)據(jù)稀疏的相似度計算

3、精確度的問題，本文提出了一種基于距離懲罰因子的協(xié)同過濾算法。該算法將用戶間共同評分交集的所有評分距離作為懲罰因子來修正傳統(tǒng)皮爾森相似度，通過對相似度增加距離懲罰因子自適應的調(diào)整用戶相似度，改善協(xié)同過濾優(yōu)化算法中用戶間相似度精確度。實驗驗證了所提算法的有效性。
　　(3)針對兒童繪本交易的實際問題，構(gòu)建了易物網(wǎng)平臺并且將上述提出的協(xié)同過濾算法集成在實際平臺中。該平臺主要包括四個模塊:推薦圖書模塊、圖書交易模塊、會員管理模塊、圖書維護