基于相關系數(shù)的協(xié)同過濾算法研究.pdf

1、協(xié)同過濾算法由于簡潔的設計思想和優(yōu)越的計算性能,一直是推薦算法研究領域中的一個熱點。隨著研究工作的不斷深入,如何緩解協(xié)同過濾算法的稀疏性與擴展性問題,正逐漸成為人們關注的焦點。有鑒于此,本文首先總結了近年來協(xié)同過濾算法的相關研究成果,特別對基于內存和基于模型兩種分類情況的研究內容進行了分析;其次,在重點分析協(xié)同過濾算法稀疏性問題的基礎上,對其中影響算法性能的一些關鍵環(huán)節(jié)進行了不同程度的改進,進而給出了一種基于相關系數(shù)的協(xié)同過濾算法模型;

2、最后,通過仿真實驗,對改進后的計算模型進行了測試與分析,進一步闡釋了計算模型在處理相關問題的可行性與有效性。
　　論文通過對一些主要協(xié)同過濾算法模型的分析,凝練出當前經典協(xié)同過濾算法的一般性架構,并以此為算法設計的基本框架。再通過將語義相似度和權重近似度兩種計算過程的有機結合,構造出一種基于相關系數(shù)的、計算效率相對較高、新型的協(xié)同過濾算法。具體而言,算法借助社會化標簽的概念,將項目間語義相似度計算引入到協(xié)同過濾算法中,使得語義相似

3、度計算參與到未知項評分的計算過程中,從而降低了協(xié)同過濾算法對評分矩陣的依賴性,最終達到緩解稀疏性問題的目的。另一方面,為了確保算法具有良好的容錯性和較高的推薦個性化程度,算法在設計方面充分利用了用戶評分信息來計算項目間權重的近似度。其中,語義相似度是項目間本質屬性關聯(lián)程度的數(shù)值化表示;權重近似度是項目間基于用戶評分的相似程度的數(shù)值化表示。在此前提下,項目相關系數(shù)模型可看成是上述兩種計算過程相結合的產物,即當該模型執(zhí)行結束后,未知項評分也

4、隨之計算得出,進而可使用Top-N算法為任意用戶計算推薦列表。
　　在模型的應用研究方面,本文著重探討了基于相關系數(shù)的協(xié)同過濾推薦系統(tǒng)的一種具體實現(xiàn)方式,并對其應用系統(tǒng)的組織結構進行了分析。性能分析采用了兩類評價標準,即平均絕對誤差法(MAE)和命中率(HR);分析內容主要涉及三個方面,即(1)驗證調節(jié)參數(shù)α的最優(yōu)值,(2)與經典協(xié)同過濾算法的性能進行比較,(3)評分稀疏程度變化對算法性能的影響。通過仿真實驗,進一步驗證了算法的性