協(xié)同過濾推薦算法的優(yōu)化及其實(shí)證系統(tǒng)實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)的發(fā)展讓用戶淹沒于浩瀚的數(shù)據(jù)中，而用戶更想要快速、便捷且個(gè)性化的服務(wù)，因此，推薦系統(tǒng)開始發(fā)展。推薦系統(tǒng)可以依據(jù)用戶的瀏覽、評(píng)分等數(shù)據(jù)進(jìn)行針對(duì)性推薦，提升用戶的體驗(yàn)，同時(shí)提高網(wǎng)站的用戶粘性。推薦系統(tǒng)的核心是推薦算法，算法的優(yōu)劣直接影響推薦的準(zhǔn)確性和穩(wěn)定性，因此，對(duì)算法推薦準(zhǔn)確性和推薦穩(wěn)定性的提升可以提升推薦系統(tǒng)的推薦準(zhǔn)確性和穩(wěn)定性。
　　協(xié)同過濾算法作為推薦算法中的一個(gè)重要分支因其簡(jiǎn)單、高效被廣泛使用，因此，Slope one

2、作為經(jīng)典的協(xié)同過濾算法一直受到重視，并發(fā)展出了基于項(xiàng)目相似度的IS-Slope one和基于奇異值分解的SVD-Slope one。但是，在實(shí)際應(yīng)用場(chǎng)景中仍然存在冷啟動(dòng)、數(shù)據(jù)稀疏等問題，嚴(yán)重影響了推薦系統(tǒng)的推薦準(zhǔn)確性和穩(wěn)定性。本文以提升推薦系統(tǒng)的推薦準(zhǔn)確性和推薦穩(wěn)定性為需求點(diǎn)，首先分析了協(xié)同過濾算法的主要問題，并針對(duì)每一個(gè)問題提出切實(shí)可行的解決方案;然后通過對(duì)算法和方案的研究，提出了基于用戶相似度的協(xié)同過濾算法US-Slope one;

3、在算法的設(shè)計(jì)過程中，對(duì)用戶相似性計(jì)算算法進(jìn)行了研究和優(yōu)化，對(duì)稀疏矩陣的存儲(chǔ)結(jié)構(gòu)進(jìn)行了研究和優(yōu)選;最后以軟件工程思想為指導(dǎo)，設(shè)計(jì)并實(shí)現(xiàn)了面向用戶相似度的推薦系統(tǒng)，并依賴該系統(tǒng)，對(duì)算法分別從橫向和縱向證明了性能的提升。
　　在算法的驗(yàn)證過程中，本文選取了覆蓋不同稀疏度和不同數(shù)量級(jí)的數(shù)據(jù)集樣本空間，同時(shí)對(duì)數(shù)據(jù)的信度和效度進(jìn)行度量，建立了高信度的樣本空間，并以平均絕對(duì)偏差為測(cè)試準(zhǔn)側(cè)對(duì)算法進(jìn)行驗(yàn)證。橫向測(cè)試中，將Slope one、IS-S

4、lope one、SVD-Slope one、US-Slope one均在MovieLens數(shù)據(jù)集上進(jìn)行測(cè)試，驗(yàn)證了US-Slopeone推薦算法的推薦準(zhǔn)確性提升;縱向測(cè)試中，使用稀疏度不同的3個(gè)數(shù)據(jù)集對(duì)US-Slope one算法進(jìn)行測(cè)試，驗(yàn)證了其在不同稀疏度情況下的推薦穩(wěn)定性。
　　本文主要對(duì)協(xié)同過濾推薦算法——Slope one進(jìn)行優(yōu)化并設(shè)計(jì)實(shí)現(xiàn)了推薦系統(tǒng)驗(yàn)證了算法的性能優(yōu)化程度。首先通過研究推薦算法及其主要問題，總結(jié)了推薦