基于協(xié)同過濾的電子商務(wù)推薦算法的研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，電子商務(wù)已經(jīng)成為人們生活中必不可缺的一部分。人們享受著電子商務(wù)帶來的便捷,但同時也陷入了信息過載的困境：在海量的產(chǎn)品信息中找到自己最需要的產(chǎn)品是一件耗時耗力的工作。這時急需一種新型電子商務(wù)系統(tǒng)解決信息過載問題，個性化推薦系統(tǒng)的出現(xiàn)，在一定程度上克服了這一難題。
　　在眾多電子商務(wù)個性化推薦算法中，協(xié)同過濾推薦算法是目前應(yīng)用最廣泛也最為成功的推薦技術(shù)之一。然而，傳統(tǒng)的協(xié)同過濾算法存在很多的不足，尚有很大的提升空間

2、。隨著時間的推移，電子商務(wù)網(wǎng)站中用戶的數(shù)量和商品的數(shù)目不斷的增加，用戶-項目評分矩陣會越來越稀疏。如果用戶僅僅利用用戶-項目評分矩陣或項目之間的相似度來計算，就會因為評分數(shù)據(jù)的稀疏性而得不到更高的精確度。因此，只利用用戶的評分矩陣的協(xié)同過濾推薦算法的推薦質(zhì)量將會下降。針對這個問題，本文提出將相似度與信任度相結(jié)合的協(xié)同過濾推薦算法。首先，我們利用用戶的評分數(shù)據(jù)計算出原始的用戶之間的相似度；然后利用用戶-項目評分矩陣計算用戶之間的信任度；最

3、后把原始的相似度與信任度加權(quán)結(jié)合，形成一個新的相似度作為推薦的權(quán)重。相比較其他單獨使用用戶-項目評分矩陣計算而來的相似度作為推薦權(quán)重的算法而言，新的權(quán)重使得推薦矩陣更加稠密，同時可以匹配更多“鄰居”。與只利用評分矩陣計算相似度的協(xié)同過濾推薦算法相比，新提出的方法獲得的推薦矩陣更加稠密，準確度更高。
　　針對目前推薦完全取決用戶評分的情況，而忽略了用戶對產(chǎn)品的情感評論部分，利用基于云模型的情感傾向?qū)Ρ人惴?，將用戶的評論轉(zhuǎn)化為分值，不