基于協(xié)同過(guò)濾算法的電影推薦應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,個(gè)性化推薦通過(guò)挖掘每個(gè)用戶潛在的需求,在電子商務(wù)中發(fā)揮了越來(lái)越重要的作用。協(xié)同過(guò)濾推薦方法是目前比較流行的個(gè)性化推薦方法之一,同時(shí)它也面臨著一些有待進(jìn)一步解決的問(wèn)題,如可擴(kuò)展問(wèn)題、稀疏性問(wèn)題、冷啟動(dòng)問(wèn)題等。本文對(duì)基于協(xié)同過(guò)濾算法的個(gè)性化推薦進(jìn)行了研究。
　　本文分析了用戶對(duì)不同類別電影的喜好程度,在進(jìn)行slope-one評(píng)分填充時(shí),充分考慮了項(xiàng)目類別信息。以相同類別電影的評(píng)分為依據(jù)來(lái)尋找相似用戶,進(jìn)行評(píng)分預(yù)

2、測(cè),有效地解決了用戶對(duì)不同類別電影的喜好不同的問(wèn)題。
　　協(xié)同過(guò)濾推薦搜索目標(biāo)用戶的最近鄰需要在整個(gè)用戶空間上進(jìn)行,隨著數(shù)據(jù)的不斷增多和系統(tǒng)規(guī)模的不斷擴(kuò)大,搜索目標(biāo)用戶的最近鄰的計(jì)算量也不斷增大,系統(tǒng)的實(shí)時(shí)性能越來(lái)越差,這就成為協(xié)同過(guò)濾系統(tǒng)發(fā)展的一個(gè)瓶頸。針對(duì)該問(wèn)題,本文采用了一種基于聚類的協(xié)同過(guò)濾算法。根據(jù)用戶的屬性特征和用戶評(píng)分?jǐn)?shù)據(jù)對(duì)用戶進(jìn)行聚類,將具有相似興趣的用戶聚成一類。當(dāng)新來(lái)一個(gè)目標(biāo)用戶時(shí),首先判斷該目標(biāo)用戶所屬的聚類

3、,然后在相應(yīng)的聚類內(nèi)搜索目標(biāo)用戶的最近鄰,從而使搜索目標(biāo)用戶的最近鄰的計(jì)算空間盡可能的縮小,達(dá)到了縮短尋找最近鄰的計(jì)算時(shí)間的目的。
　　本文也考慮了對(duì)新項(xiàng)目和新用戶的推薦。依據(jù)電影的類別屬性和評(píng)分?jǐn)?shù)據(jù)對(duì)當(dāng)前數(shù)據(jù)庫(kù)中的電影進(jìn)行聚類,使得類別和評(píng)分相似的電影聚為一類。對(duì)于新電影,則依據(jù)該電影的基本特征判斷該電影所屬的聚類,在所屬聚類內(nèi),依據(jù)協(xié)同過(guò)濾算法預(yù)測(cè)目標(biāo)用戶對(duì)新電影的評(píng)分,生成推薦列表;對(duì)于新用戶,則依據(jù)用戶基本特征判斷該用戶所