基于局部近鄰Slope One與動(dòng)態(tài)專家的協(xié)同過(guò)濾推薦算法研究.pdf

1、電商網(wǎng)站的層出不窮導(dǎo)致了用戶與商品的數(shù)量急速上漲，用戶已經(jīng)很難在紛繁復(fù)雜的商品信息中發(fā)掘出對(duì)自己有價(jià)值的信息，在這樣的背景下個(gè)性化推薦系統(tǒng)誕生了。它的功能是依據(jù)用戶個(gè)性化的特征來(lái)精準(zhǔn)地為其提供推薦服務(wù)。目前協(xié)同過(guò)濾推薦算法是現(xiàn)有推薦系統(tǒng)領(lǐng)域內(nèi)應(yīng)用最經(jīng)典的一種算法，但仍然存在著數(shù)據(jù)稀疏性、冷啟動(dòng)問(wèn)題、可擴(kuò)展性問(wèn)題和有待提高的準(zhǔn)確性等幾大經(jīng)典問(wèn)題需要繼續(xù)加強(qiáng)研究。本文根據(jù)協(xié)同過(guò)濾推薦算法的相關(guān)問(wèn)題與最新研究成果，提出了針對(duì)協(xié)同過(guò)濾準(zhǔn)確性與可

2、擴(kuò)展性問(wèn)題的改進(jìn)算法。本文從以下兩個(gè)方面開(kāi)展理論研究與探討:
　　第一，針對(duì)傳統(tǒng)Slope One算法有待提高的推薦精度問(wèn)題，提出了一種基于局部近鄰的Slope One協(xié)同過(guò)濾推薦算法。經(jīng)典的Slope One算法采用線性回歸模型來(lái)對(duì)目標(biāo)項(xiàng)目進(jìn)行預(yù)測(cè)評(píng)分，但在項(xiàng)目評(píng)分偏差表構(gòu)建過(guò)程中產(chǎn)生了部分噪聲數(shù)據(jù)，影響了算法的推薦性能;基于局部近鄰Slope One算法計(jì)算了當(dāng)前活躍用戶針對(duì)不同推薦商品的近鄰用戶集，實(shí)現(xiàn)其鄰居用戶集根據(jù)目標(biāo)項(xiàng)

3、目的不同而動(dòng)態(tài)變化;根據(jù)活躍用戶關(guān)于不同目標(biāo)項(xiàng)目的鄰居用戶數(shù)據(jù)來(lái)進(jìn)一步優(yōu)化項(xiàng)目之間的平均偏差，進(jìn)而產(chǎn)生推薦。對(duì)比驗(yàn)證證實(shí)，改進(jìn)算法具有較高推薦精度。
　　第二，針對(duì)協(xié)同過(guò)濾推薦算法面臨的可擴(kuò)展性問(wèn)題，提出了一種基于動(dòng)態(tài)專家的協(xié)同過(guò)濾推薦算法。算法針對(duì)目標(biāo)項(xiàng)目來(lái)建立隨目標(biāo)項(xiàng)目變化的動(dòng)態(tài)專家?guī)?，使得專家?guī)熘袑＜业纳瞄L(zhǎng)的領(lǐng)域與目標(biāo)項(xiàng)目的背景信息相契合;接著只需通過(guò)計(jì)算當(dāng)前活躍用戶與針對(duì)目標(biāo)項(xiàng)目而建立的專家?guī)熘械膶＜业南嗨贫龋柚鷮＜乙庖?jiàn)