基于優(yōu)化協(xié)同過(guò)濾與加權(quán)平均的群推薦方法.pdf

1、如今，推薦系統(tǒng)已成為解決信息過(guò)載問(wèn)題的有力工具。最近數(shù)十年里，推薦系統(tǒng)主要為個(gè)體消費(fèi)者提供服務(wù)并且取得了很大成功;信息技術(shù)以及社交網(wǎng)絡(luò)迅猛發(fā)展，促使用戶在網(wǎng)絡(luò)中結(jié)成群體參與活動(dòng)。群體中的成員通常具有相似的偏好，他們參與到群體活動(dòng)中，并受到其他成員的影響。面向個(gè)體用戶的推薦系統(tǒng)已經(jīng)不適于向群體用戶提供推薦。隨著電子商務(wù)等社交網(wǎng)站上群體規(guī)模的不斷擴(kuò)大，構(gòu)建推薦系統(tǒng)并提供面向群體的推薦服務(wù)，降低用戶信息檢索的時(shí)間和精力，提高檢索效率的需求已變

2、得十分重要。
　　本文提出了一種新穎的基于優(yōu)化協(xié)同過(guò)濾與中位數(shù)加權(quán)平均的群推薦方法。該方法包括混合協(xié)同過(guò)濾預(yù)測(cè)評(píng)分方法和群體用戶評(píng)分集結(jié)方法?；旌蠀f(xié)同過(guò)濾預(yù)測(cè)評(píng)分方法融合了基于用戶和基于項(xiàng)目的協(xié)同過(guò)濾預(yù)測(cè)評(píng)分，對(duì)項(xiàng)目評(píng)分空值進(jìn)行預(yù)測(cè)。在計(jì)算項(xiàng)目的相似度時(shí)，使用加權(quán)平均方法融合項(xiàng)目的評(píng)分相似性與類型相似性作為項(xiàng)目的相似性?；谥形粩?shù)的加權(quán)平均集結(jié)策略在集結(jié)群體中所有成員的評(píng)分時(shí)，首先采用群體中所有用戶的評(píng)分中位數(shù)作為標(biāo)準(zhǔn)計(jì)算用戶的評(píng)

3、分可信度，然后使用用戶評(píng)分可信度修正用戶的評(píng)分頻度權(quán)重作為用戶最終的權(quán)重?；谥形粩?shù)的加權(quán)平均集結(jié)策略綜合考慮了群體用戶在評(píng)分過(guò)程中的作用，消除了個(gè)別用戶的預(yù)測(cè)評(píng)分差異過(guò)大帶來(lái)的影響。
　　本文采用Movielens電影評(píng)分?jǐn)?shù)據(jù)集，探索了項(xiàng)目類型相似性權(quán)重和用戶相似性權(quán)重對(duì)本文推薦算法的影響;將本文提出的混合協(xié)同過(guò)濾預(yù)測(cè)評(píng)分方法與傳統(tǒng)預(yù)測(cè)評(píng)分方法進(jìn)行比較;并將本文提出的基于中位數(shù)的加權(quán)平均集結(jié)策略與5種經(jīng)典的用戶評(píng)分集結(jié)策略進(jìn)行對(duì)