融合帕累托占優(yōu)的增強(qiáng)協(xié)同過濾方法研究.pdf

1、互聯(lián)網(wǎng)的蓬勃發(fā)展使得人們生活在信息量浩瀚如海的數(shù)據(jù)爆炸時(shí)代，人們每天都面臨著眾多選擇，但用戶往往會(huì)在花費(fèi)了大量的時(shí)間和金錢后還不能找到滿足心意的信息。推薦技術(shù)的出現(xiàn)就是讓用戶在選擇困難時(shí)幫助用戶發(fā)現(xiàn)他們可能會(huì)感興趣的信息，了解他們的潛在需求。推薦服務(wù)可以引導(dǎo)用戶在網(wǎng)上商城選購商品，可以在社交網(wǎng)絡(luò)中推薦朋友，可以推薦影片、美食、書籍等等，給人們的生活帶來極大的便利。在不同類型的推薦算法中，協(xié)同過濾推薦算法建立的模型比較簡單，使用用戶的評(píng)分

2、數(shù)據(jù)分析用戶的偏好，不依賴用戶或物品的屬性等數(shù)據(jù)，數(shù)據(jù)采集方便，推薦質(zhì)量比較好，因此成為學(xué)術(shù)界和工業(yè)界都廣泛研究的推薦算法。
　　在調(diào)研了現(xiàn)有的不同類型的協(xié)同過濾推薦算法后，結(jié)合現(xiàn)有的實(shí)驗(yàn)條件，本文選擇研究基于用戶的（user-based）協(xié)同過濾方法。本文分析了協(xié)同過濾推薦算法面臨的一些問題，研究了一些對(duì)存在的問題的解決方法，從中獲得啟發(fā)，本文提出了一種新的方法來緩解協(xié)同過濾算法存在的數(shù)據(jù)稀疏性問題。方法是在計(jì)算相似度之前采用帕

3、累托占優(yōu)(Pareto Dominance)理論預(yù)過濾掉那些低相似度的用戶，再將共同評(píng)分所占比例的影響因素引入 PIP相似度計(jì)算方法來改進(jìn)相似度測量，PIP方法是由鄰近度(Proximity)，影響力(Impact)，流行度(Popularity)三個(gè)影響因素構(gòu)成。
　　在經(jīng)典的兩個(gè)不同大小的數(shù)據(jù)集MovieLens上進(jìn)行實(shí)驗(yàn)，對(duì)比現(xiàn)有的常用相似度計(jì)算方法改進(jìn)后的算法，和JPIP和PIP算法。采用MAE（Mean Absolute

4、 Error，平均絕對(duì)誤差）值、準(zhǔn)確率和召回率作為評(píng)測指標(biāo)。實(shí)驗(yàn)結(jié)果表明本文提出的融合帕累托占優(yōu)的預(yù)過濾處理結(jié)合JPIP的相似度計(jì)算的方法較其他方法在推薦質(zhì)量上有所提高。
　　本文的貢獻(xiàn)有：
　?。?）利用帕累托占優(yōu)理論預(yù)先過濾低相似度的用戶，提高了找到高相似度近鄰用戶的可能。
　?。?）相比傳統(tǒng)的相似度測量只利用了評(píng)分?jǐn)?shù)據(jù)呈現(xiàn)出的淺層內(nèi)容，本文的方法通過深入分析數(shù)據(jù)表達(dá)出的深層含義來改進(jìn)相似度衡量標(biāo)準(zhǔn)。
　?。?/p>