融合多指標與環(huán)境信息的協(xié)同過濾推薦算法.pdf

1、個性化推薦系統(tǒng)(Recommender System)作為一種信息過濾的重要手段，是當前解決信息超載問題的非常有潛力的方法。其中，個性化推薦系統(tǒng)中的協(xié)同過濾推薦是迄今為止應用最廣泛、最成功的推薦技術(shù)。隨著電子商務系統(tǒng)規(guī)模的不斷擴大，用戶數(shù)目和項目數(shù)目急劇增加，傳統(tǒng)的協(xié)同過濾推薦算法無法綜合運用多個指標以及根據(jù)環(huán)境信息進行推薦，導致傳統(tǒng)的協(xié)同過濾推薦算法不能準確反映用戶的偏好從而降低推薦精確度。如何提高協(xié)同推薦系統(tǒng)的推薦質(zhì)量已成為人們關(guān)注

2、的主要問題，本文在對國內(nèi)外研究現(xiàn)狀綜合分析的基礎(chǔ)上，進一步對協(xié)同過濾推薦技術(shù)進行了深入研究。
　　首先，針對傳統(tǒng)的協(xié)同過濾推薦算法不能綜合運用多個指標進行推薦的問題，通過引入多指標評分的概念對標準的協(xié)同過濾推薦算法進行擴展，提出一種基于Widrow-Hoff神經(jīng)網(wǎng)絡的多指標推薦算法，利用Widrow-Hoff最小二乘法自適應算法在進行系統(tǒng)辨識時的高精度擬合特性，并且采用用戶偏好函數(shù)和空間距離矩陣度量用戶相似度，以選擇鄰居集并為用戶

3、推薦最優(yōu)項目，從而能夠有效提高推薦系統(tǒng)的推薦精確度。
　　其次，針對傳統(tǒng)的協(xié)同過濾推薦算法不能根據(jù)用戶所處環(huán)境信息進行推薦的問題，提出一種基于模糊C均值聚類的環(huán)境感知推薦算法，采用模糊C均值聚類方法對歷史環(huán)境信息進行聚類，產(chǎn)生聚類及隸屬矩陣；然后匹配活動用戶環(huán)境信息與歷史環(huán)境信息聚類，并且采用聚類隸屬度作為映射系數(shù)將符合條件的非隸屬數(shù)據(jù)映射為隸屬數(shù)據(jù)，最終選擇與活動環(huán)境匹配的隸屬用戶評分數(shù)據(jù)為用戶作推薦。
　　最后，對提出的