基于用戶喜好類型的協(xié)同過濾推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和服務(wù)的迅速發(fā)展，我們所生存的信息數(shù)據(jù)世界得到了快速的膨脹。然而，信息的快速膨脹帶來了很多的問題，其中“信息迷航”和“信息超載”的問題越來越嚴(yán)重。解決這兩個問題的方法可以分為以下兩種：信息檢索和信息過濾。信息檢索是根據(jù)信息用戶的需要，從按一定方式組織和存儲起來的信息中，查找出相關(guān)的信息的過程和技術(shù)。信息過濾則是根據(jù)用戶提供的過濾需求，從動態(tài)的信息流中將滿足用戶興趣的個性化需求信息自動地挑選出來。
　　 信息過濾技術(shù)

2、的一種重要的應(yīng)用方式是推薦技術(shù)。推薦技術(shù)在電子商務(wù)領(lǐng)域得到了越來越廣泛的應(yīng)用，也得到了越來越多的研究者的關(guān)注。本文的研究對象正是推薦技術(shù)。
　　 雖然推薦技術(shù)已經(jīng)發(fā)展了幾十年，但是還沒有達(dá)到完全成熟地步?，F(xiàn)在的推薦系統(tǒng)所面臨的主要挑戰(zhàn)有精確度不高，伸縮性和實(shí)時性低，以及數(shù)據(jù)稀疏度高等問題。電子商務(wù)推薦技術(shù)的研究方向主要包括基于內(nèi)容的過濾推薦和協(xié)同過程過濾推薦。另外，還有一些常用的推薦技術(shù)如基于關(guān)聯(lián)規(guī)則的推薦算法、基于聚類推薦算法

3、。本文較為詳細(xì)地介紹了這些算法以及他們各自的優(yōu)缺點(diǎn)。
　　 文章詳細(xì)介紹了推薦技術(shù)中的協(xié)同過濾推薦算法。協(xié)同過濾推薦算法基于用戶的評分記錄，依據(jù)目標(biāo)用戶的最近鄰，向目標(biāo)用戶推薦相似的商品項(xiàng)目。我們詳細(xì)地分析了傳統(tǒng)的協(xié)同過濾推薦算法的局限性。比如，當(dāng)利用傳統(tǒng)的相似度計算方法中的余弦相似度方法或相關(guān)系數(shù)相似度方法去處理用戶評分表中的Null值時，推薦結(jié)果的正確性將會受到損害。針對Null值的處理問題，我們基于特，征組合(Featur

4、e Combination)的思想，提出了基于項(xiàng)目協(xié)同推薦算法的Null值缺省值預(yù)測方法。另外，針對傳統(tǒng)協(xié)同過濾推薦算法中數(shù)據(jù)的高稀疏度和低準(zhǔn)確度問題，本文提出了基于用戶喜好類型的用戶評分表劃分方法。該方法有效地減少了計算項(xiàng)目的空間，提高了推薦的準(zhǔn)確度以及推薦系統(tǒng)的運(yùn)行效率。之后，我們從實(shí)際生活和實(shí)驗(yàn)數(shù)據(jù)的角度，詳細(xì)分析了這兩種算法的可行性、有效性以及各自存在的問題?；贜ull值缺省預(yù)測法和用戶喜好類型劃分法，我們提出了基于用戶喜好類

5、型的協(xié)同過濾推薦算法(User Favorite Type Based，UFTB)。同時，我們也從實(shí)驗(yàn)角度分析了UFTB算法的可行性和有效性，以及此算法所面臨的主要問題。
　　 本文的實(shí)驗(yàn)部分首先針對我們提出的Null值缺省預(yù)測法和用戶喜好類型劃分法，進(jìn)行了先獨(dú)立再綜合的分析和驗(yàn)證。我們先將用戶喜好類型劃分法應(yīng)用在傳統(tǒng)的協(xié)同過濾推薦算法中，并將其預(yù)測結(jié)果與傳統(tǒng)算法的預(yù)測結(jié)果做比較。再將Null值缺省預(yù)測法應(yīng)用在傳統(tǒng)的協(xié)同過濾推薦