基于有限混合模型的協(xié)同過濾算法研究.pdf

1、在信息互聯(lián)網(wǎng)高度發(fā)達的今天，解決信息過載問題已經(jīng)成為互聯(lián)網(wǎng)技術(shù)發(fā)展的方向之一。如何從網(wǎng)絡(luò)海量信息中獲取有價值的信息是研究信息過載問題的關(guān)鍵，而個性化推薦作為解決此問題的關(guān)鍵技術(shù)，具有重要的學(xué)術(shù)意義和應(yīng)用價值。協(xié)同過濾以及協(xié)同過濾的各種衍生算法以其不依賴于信息的具體內(nèi)容、易于實施、可以產(chǎn)生新異推薦等特性被大量的互聯(lián)網(wǎng)企業(yè)所采用，并成為一個學(xué)術(shù)研究熱點。針對基于存儲的Slope One模型的準確度和擴展性缺陷問題，本文研究基于模型的協(xié)同過濾

2、算法，以有限混合模型為基礎(chǔ)，結(jié)合傳統(tǒng)Slope One協(xié)同過濾技術(shù)，探索新型個性化推薦方法，具體包括以下研究內(nèi)容:
　　首先，介紹了有限混合模型的統(tǒng)計學(xué)原理、概念和特點，詳細推導(dǎo)其求解的算法;介紹了個性化推薦的基礎(chǔ)概念與發(fā)展現(xiàn)狀，分析協(xié)同過濾算法的幾個常用方法的優(yōu)缺點，以及有限混合模型在協(xié)同過濾上應(yīng)用的優(yōu)勢，總結(jié)了近年來國內(nèi)外學(xué)者們所做的相關(guān)工作。
　　其次，本文利用多項式有限混合模型對數(shù)據(jù)集進行基于模型的聚類，通過引入最小

3、信息長度法則（minimal message length criterion，MML）以縮小有限混合模型的求解迭代次數(shù)，并將聚類結(jié)果應(yīng)用于Slope One平均評分偏差的改良上，從而改善了Slope One算法由于缺乏用戶相似考慮導(dǎo)致的準確度問題。同時由于將整個推薦方案分為離線聚類和在線推薦兩部分，極大地改進了Slope One的可擴展性。使用標(biāo)準數(shù)據(jù)集進行模擬實驗，評估新算法的準確度與效率指標(biāo)，相比于標(biāo)準的Slope one和基于用