個(gè)性化推薦系統(tǒng)中協(xié)同過濾技術(shù)的研究.pdf

1、個(gè)性化推薦系統(tǒng)是互聯(lián)網(wǎng)時(shí)代以及人類文明發(fā)展的必然產(chǎn)物。面對(duì)復(fù)雜繁多的互聯(lián)網(wǎng)信息，人們往往會(huì)覺得不知所措，找不到自己需要的東西，于是在這種需求環(huán)境中，推薦系統(tǒng)誕生了。推薦系統(tǒng)是能夠自動(dòng)為人們提供滿意信息的智能系統(tǒng)，而個(gè)性化推薦系統(tǒng)是為人們提供滿意信息的同時(shí)，滿足人們的個(gè)性化需求的智能系統(tǒng)。
　　協(xié)同過濾推薦技術(shù)是個(gè)性化推薦系統(tǒng)中最為成功的技術(shù)，它是利用用戶項(xiàng)目評(píng)分?jǐn)?shù)據(jù)，以用戶之間或者項(xiàng)目之間相互協(xié)作的方式來產(chǎn)生推薦。然而，由于信息的

2、不斷膨脹，協(xié)同過濾推薦技術(shù)依然有很多問題需要研究與解決。其中，評(píng)分?jǐn)?shù)據(jù)的稀疏性、冷啟動(dòng)等問題一直是阻礙推薦系統(tǒng)的推薦精度與推薦效率進(jìn)一步發(fā)展的主要因素。本文從數(shù)據(jù)的稀疏性及冷啟動(dòng)問題出發(fā)，從推薦的準(zhǔn)確性角度展開研究，主要做了兩點(diǎn)工作。
　　（1）針對(duì)數(shù)據(jù)稀疏性問題，提出了一種改進(jìn)的基于K均值項(xiàng)目聚類的協(xié)同過濾算法。由于傳統(tǒng)的基于K均值項(xiàng)目聚類的協(xié)同過濾算法忽略了數(shù)據(jù)稀疏情況下計(jì)算項(xiàng)目間相似性的不準(zhǔn)確性，而導(dǎo)致推薦精度不高的問題。本

3、文提出改進(jìn)方法，首先經(jīng)過數(shù)據(jù)預(yù)處理過程，保證數(shù)據(jù)在進(jìn)行項(xiàng)目聚類時(shí)的完整性；然后結(jié)合K均值聚類算法劃分出項(xiàng)目的類簇；接著，在最近鄰居查詢過程中，依據(jù)目標(biāo)項(xiàng)目所處類簇中的項(xiàng)目數(shù)量大小，選擇是否對(duì)目標(biāo)項(xiàng)目進(jìn)行再次相似度計(jì)算，從而選出最近鄰居集合；最后，根據(jù)相似度加權(quán)評(píng)分公式進(jìn)行評(píng)分預(yù)測，最終產(chǎn)生推薦。
　　（2）針對(duì)新用戶冷啟動(dòng)問題，提出用信息擴(kuò)展的概念來解決新用戶冷啟動(dòng)問題。主要采用全局項(xiàng)目的用戶信息擴(kuò)展技術(shù)，提高新用戶由于評(píng)分極少導(dǎo)