基于奇異值和重組信任矩陣的協(xié)同過(guò)濾推薦算法的研究.pdf

1、隨著電子商務(wù)的蓬勃發(fā)展，推薦系統(tǒng)正逐漸滲透人們的日常生活，并不斷改善用戶的在線體驗(yàn)。協(xié)同過(guò)濾作為推薦系統(tǒng)中使用最成功應(yīng)用最廣泛的技術(shù)，得到了越來(lái)越多的關(guān)注和研究。本文針對(duì)協(xié)同過(guò)濾推薦技術(shù)中數(shù)據(jù)稀疏導(dǎo)致的預(yù)測(cè)評(píng)分精度低以及冷啟動(dòng)問(wèn)題提出了相應(yīng)的解決方法，具體的研究?jī)?nèi)容如下。
　　本文首先分析了協(xié)同過(guò)濾推薦系統(tǒng)的研究現(xiàn)狀，并對(duì)協(xié)同過(guò)濾推薦系統(tǒng)的分類和方法進(jìn)行了較為詳細(xì)的描述，針對(duì)協(xié)同過(guò)濾推薦系統(tǒng)面臨的問(wèn)題，總結(jié)了研究人員提出的相應(yīng)的改

2、進(jìn)策略以及不足之處。
　　其次，針對(duì)數(shù)據(jù)稀疏導(dǎo)致的評(píng)分預(yù)測(cè)精度不高的問(wèn)題，通過(guò)分析用戶-項(xiàng)目評(píng)分的上下文關(guān)系，引入了奇異值的概念?？紤]每個(gè)項(xiàng)目評(píng)價(jià)數(shù)量的比例以及用戶共評(píng)項(xiàng)目的比例，分別將傳統(tǒng)的皮爾森相似度(PCC)算法和 Jaccard算法進(jìn)行了改進(jìn)，并將兩種改進(jìn)的方法以兩種方式相結(jié)合，以得到更好的推薦算法。
　　再次，針對(duì)冷啟動(dòng)的問(wèn)題，引入信任信息。根據(jù)用戶相似度重新設(shè)置信任矩陣中的信任值，即去掉信任矩陣中相似度低于某一閾