基于用戶偏好的協(xié)同過濾算法研究.pdf

1、隨著Web2.0的到來，網(wǎng)上信息量急劇增長，用戶可利用的數(shù)據(jù)也越來越豐富。然而，用戶不得不耗費大量的時間來獲取有價值的信息。特別是大數(shù)據(jù)時代的到來，信息過載問題已然成為當前科學研究不可避免的難題。推薦系統(tǒng)是解決大型網(wǎng)站和電子商務系統(tǒng)中信息過載問題的有效方案，其本質(zhì)上是依據(jù)記錄的用戶信息來分析用戶喜歡的內(nèi)容，以實現(xiàn)個性化推薦。協(xié)同過濾是推薦系統(tǒng)中一種成功的技術方法，但面臨著嚴峻的數(shù)據(jù)稀疏性問題，該問題制約著推薦性能的提高。因此，文中主要從

2、用戶偏好這個角度構建推薦模型以提高對稀疏數(shù)據(jù)的處理能力，主要內(nèi)容如下：
　　(1)概括了協(xié)同過濾研究面臨的關鍵科學問題，分析了問題產(chǎn)生原因以及描述了國內(nèi)外研究人員對問題的研究現(xiàn)狀，特別對數(shù)據(jù)稀疏性的研究現(xiàn)狀給出了較為詳細的描述。
　　(2)傳統(tǒng)協(xié)同過濾方法并未考慮用戶偏好這一關鍵因素?；诖?，提出了一種基于用戶偏好聚類的協(xié)同過濾算法。該算法首先根據(jù)用戶的不同偏好進行聚類分析，然后提出了一種新的相似性度量方法以形成多個準確合理

3、的用戶群體。實驗結果表明所提算法能夠提高推薦性能。
　　(3)在傳統(tǒng)協(xié)同過濾方法的基礎上提出了一種有效的修正算法。該算法主要從用戶偏好，共同評分項數(shù)量以及用戶之間相似性度量三個方面對傳統(tǒng)方法作了改進。在二個標準數(shù)據(jù)集上的實驗結果驗證了所提算法的優(yōu)越性。
　　(4)傳統(tǒng)基于相似性計算的近鄰選擇不夠準確可靠?；诖?，提出了一種基于信息熵的協(xié)同過濾算法。該算法首先引入了信息熵去刻畫用戶不同偏好，然后利用大間隔方法聯(lián)合用戶信息熵和相