推薦系統(tǒng)中協(xié)同過濾算法的研究與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，網(wǎng)上的信息越來越多，互聯(lián)網(wǎng)也逐漸成為人們生活中必不可少的部分了。由于互聯(lián)網(wǎng)上信息的繁多，用戶上網(wǎng)查找資料或者購物都需要花費很多的時間。為了幫助用戶更好的查找到自己需要的資料或者自己感興趣的商品，推薦系統(tǒng)應運而生。推薦系統(tǒng)可以分為很多種類，其中最重要的一種也是最被廣泛使用的一種便是協(xié)同過濾推薦系統(tǒng)。協(xié)同過濾算法是根據(jù)用戶以往對一些項的評價，以及其他與該用戶具有類似興趣的用戶給一些項的評價，將一些新的項目推薦給用戶，或

2、者預測對用戶有價值的項目。目前，協(xié)同過濾技術是一個熱點，在研究和應用領域上都取得很大的成功，不過依然還有很多問題需要解決。
　　 協(xié)同過濾推薦系統(tǒng)在運用中，主要有四個問題。第一，是算法的準確性問題。由于網(wǎng)上產(chǎn)品的數(shù)量非常龐大，用戶對產(chǎn)品評價的數(shù)量是有限的，使得關于用戶和產(chǎn)品的數(shù)據(jù)是非常稀疏的，其推薦的準確性受到了嚴重的影響。第二，是可擴展性問題。隨著互聯(lián)網(wǎng)上用戶數(shù)和項目數(shù)的不斷增長，如何讓系統(tǒng)適應這種變化，也是一個問題。第三，是

3、“冷啟動”問題。由于協(xié)同過濾是依據(jù)用戶或者項目的歷史評分來實現(xiàn)推薦的，如果當出現(xiàn)一個新的用戶時，則無法對他（她）進行推薦，而且也不能給用戶推薦一個新的項目。第四，是實時性問題。由于現(xiàn)在很多推薦都是基于在線推薦的，所以對實時性要求很高，目前很多在線推薦都是以犧牲精確性來實現(xiàn)及時性的，如何在不影響精確性的基礎來實現(xiàn)實時性也是一個難點問題。
　　 由于算法的準確性是當中最重要的一個問題，所以在該問題上的研究也非常的多。本文研究的工作也

4、是基于這個目的進行開展的，本文主要開展了以下的研究工作：
　　 第一，對未評分項的幾種處理方法進行了比較。由于極度的數(shù)據(jù)稀疏性，用戶——項目評分矩陣中含有大量的未評分項，對未評分項的不同處理方法對系統(tǒng)的精確度影響非常的大。在當前已有的計算相似度的算法中，有5種處理方法，本文針對這5種算法進行了實驗驗證，試驗結果表明將未評分項的值設置為0具有最高的準確性。
　　 第二，提出了一種優(yōu)化的基于項目的協(xié)同過濾算法。傳統(tǒng)的基于項目