基于聚類和用戶興趣的協(xié)同過濾算法的研究.pdf

1、　　20世紀末，個性化推薦首次給出了具體的概念。之后，各種推薦技術(shù)在近些年發(fā)展非常迅速。比如：信息檢索、基于內(nèi)容的推薦、基于關(guān)聯(lián)規(guī)則的推薦、協(xié)同過濾技術(shù)以及混合推薦等等。其中協(xié)同過濾算法能夠跨商品類型進行推薦；能夠幫助用戶找到新的興趣點；能夠利用用戶對項目的評分作為基礎(chǔ)數(shù)據(jù)為用戶產(chǎn)生推薦，這充分發(fā)揮了用戶在購物中的主觀能動性，是個性化推薦算法中的佼佼者。但隨著用戶和商品數(shù)量的日益增加，一些新的問題也就出現(xiàn)了。比如冷啟動、評分矩陣數(shù)據(jù)稀疏

2、、系統(tǒng)的可擴展性還有用戶興趣變化時應(yīng)該怎么樣給買家提供更準確，更及時的信息等問題。
　　針對以上幾點問題，在本文中提出相應(yīng)的解決方案，以希望使協(xié)同過濾算法有更好的性能。通過研究發(fā)現(xiàn)聚類技術(shù)可以很好的解決系統(tǒng)可擴展性的問題，并使用一種改進的k-means算法，在解決可擴展問題的同時，減少孤立點的產(chǎn)生；傳統(tǒng)的相似度計算在矩陣稀疏的情況下很難反映用戶間的相似性也不能及時的反映用戶的興趣轉(zhuǎn)移，所以本文使用一種改進的相似度計算方法，這種方