融合內(nèi)容過濾和協(xié)同過濾的智能推薦系統(tǒng).pdf

1、隨著電子Internet的發(fā)展、電子商務的不斷廣泛應用，智能化推薦系統(tǒng)在電子商務系統(tǒng)中具有良好的發(fā)展和應用前景，已經(jīng)成為電子商務技術的一個重要內(nèi)容，得到了越來越多研究者的關注。
　　 針對現(xiàn)行電子商務推薦系統(tǒng)出現(xiàn)的問題和面臨的挑戰(zhàn)，本文對基于內(nèi)容過濾和基于協(xié)同過濾的智能推薦技術進行了有益的探索和研究。本文的研究內(nèi)容主要包括：基于模糊聚類的混合智能推薦系統(tǒng)，一種有效的基于項目層次的協(xié)同過濾推薦算法以及基于奇異值分解的融合用戶內(nèi)容的

2、協(xié)同過濾推薦。
　　 具體研究內(nèi)容如下：
　　 第一：改進了一種基于模糊聚類的混合信息推薦機制，應用模糊聚類技術，綜合考慮了基于內(nèi)容的推薦和協(xié)同過濾推薦。在計算基于內(nèi)容的推薦時，從項目的屬性特征上對項目進行聚類，用隸屬度的值來表示項目屬于每個模糊簇的程度，利用項目模糊關系矩陣獲得推薦結果。在計算協(xié)同過濾推薦時，從用戶的項目特征上對用戶進行聚類，形成一個用戶模糊群，根據(jù)群中其他用戶對目標項目的推薦產(chǎn)生目標用戶對目標項目的推

3、薦。結果表明，改進的應用模糊聚類的混合推薦算法在預測精度上較傳統(tǒng)的推薦算法有一定的提高。
　　 第二：給出了一個新的概念層次的方法。此方法結合用戶項目矩陣和集成項目和類似的項目多層次的關聯(lián)。提出的方法不僅克服了數(shù)據(jù)稀疏的困難，而且還解決了該項目的多種內(nèi)容和多層次的問題。結果表明，該算法可以達到較好的預測精度，并提供比傳統(tǒng)的協(xié)同過濾推薦算法更好的結果。
　　 第三：提出了一種新的協(xié)同過濾算法來解決上述問題。利用奇異值分解的