基于用戶評分和遺傳算法的協同過濾推薦算法.pdf

1、隨著互聯網的迅速發(fā)展，人們的生活發(fā)生了翻天覆地的巨大變化，但是如何從龐大的信息中找到自己需要的也變得越來越難。在這種背景下，推薦系統應運而生了，并且發(fā)揮了巨大作用;推薦系統在減少很多網站存在的信息過載問題所帶來的諸多負面影響方面發(fā)揮了越來越重要的作用，而在這些網站上，用戶往往很有可能通過評分投票的方式表達出他們對一系列物品或者服務的喜好。
　　協同過濾推薦算法是目前廣泛使用的一種推薦技術。它分析用戶興趣，在用戶群中找到指定用戶的相

2、似（興趣）用戶，綜合這些相似用戶對某一信息的評價，形成系統對該指定用戶對此信息的喜好程度的預測。常用的相似性計算方法有余弦相似性、Pearson相關系數等方法，但這些相似性計算方法通常公式比較復雜，這樣就導致推薦過程中的相似性計算耗時過多，降低推薦效率。本文將提出一種新的相似性計算方法，該方法基于遺傳算法和用戶評分信息。
　　首先，提出一個向量px，y=(px，y(0)，px，y(1)，…，px，y(C-c)），元素的個數為C-c

3、+1（例如C=5，c=1，元素個數為5）。px,y(I)=a/b，表示兩個用戶x,y對同一個物品評分的評分差為i出現的次數a與同時都被這兩個用戶評過分的物品的個數b的比值。
　　其次，提出一個權重向量q=(q(0)，…，q(C-c))，元素個數是C-c+1。每個元素q(i)的值在[-1，1]之間。每個元素q(i)用來衡量px,y(i)對于計算兩個用戶之間相似性的重要程度。由這兩個向量構成新的相似性計算方法。其中最佳權重向量通過遺傳