面向社區(qū)劃分的協(xié)同過濾算法研究.pdf

1、協(xié)同過濾推薦技術(shù)是目前為止應(yīng)用最為成功的一種個(gè)性化推薦技術(shù)。協(xié)同過濾主要依據(jù)用戶對項(xiàng)目的評分計(jì)算用戶相似度，構(gòu)建用戶興趣模型，然后搜索用戶近鄰集，并以此為基礎(chǔ)為用戶預(yù)測打分，選取分?jǐn)?shù)較高的項(xiàng)目推薦給用戶。協(xié)同過濾推薦系統(tǒng)作為目前應(yīng)用最廣泛的推薦系統(tǒng)，能夠依據(jù)用戶的個(gè)人數(shù)據(jù)主動(dòng)的為用戶提供推薦服務(wù)，且推薦項(xiàng)目范圍廣泛。但是現(xiàn)在仍然存在一些問題，如傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)相似度度量方法太過單一,導(dǎo)致預(yù)測結(jié)果不夠準(zhǔn)確；隨著用戶和項(xiàng)目數(shù)據(jù)的增加，

2、龐大的用戶群帶來的數(shù)據(jù)稀疏性和搜索最近鄰時(shí)算法的開銷增大等問題。
　　本文針對傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)中相似度計(jì)算方法存在的不準(zhǔn)確現(xiàn)象，通過分析相似度計(jì)算過程中對最終結(jié)果產(chǎn)生影響的因素，提出了基于項(xiàng)目和時(shí)間的混合相似度計(jì)算方法，依據(jù)推薦項(xiàng)目不同，目標(biāo)用戶選擇的最近鄰也應(yīng)該發(fā)生變化，且用戶對于項(xiàng)目的評分會(huì)隨著時(shí)間的增大而發(fā)生變化，基于這兩個(gè)方面，對傳統(tǒng)的相似度計(jì)算方法進(jìn)行改進(jìn)并給出了改進(jìn)的相似度計(jì)算方法。實(shí)驗(yàn)結(jié)果表明基于項(xiàng)目和時(shí)間的混

3、合相似度計(jì)算方法能提高協(xié)同推薦系統(tǒng)的預(yù)測準(zhǔn)確度。
　　本文引入拓?fù)鋭堇碚?，使用一種基于節(jié)點(diǎn)位置分析的社區(qū)發(fā)現(xiàn)算法。在協(xié)同過濾系統(tǒng)中，首先將用戶表示成網(wǎng)絡(luò)中的節(jié)點(diǎn)，并計(jì)算出每個(gè)節(jié)點(diǎn)的拓?fù)鋭葜?，借助拓?fù)鋭葑匀怀尸F(xiàn)的峰谷結(jié)構(gòu)，依據(jù)節(jié)點(diǎn)位置的不同將具有相近興趣的用戶劃分到同一個(gè)社區(qū)，并將其與協(xié)同過濾推薦算法結(jié)合，在搜索最近鄰用戶時(shí)，不再以所有用戶為對象，而是以社區(qū)內(nèi)的用戶為對象，使搜索范圍縮小數(shù)倍，預(yù)測評分更加準(zhǔn)確。實(shí)驗(yàn)結(jié)果表明該方法有效