基于用戶相似性的協(xié)同過(guò)濾推薦算法研究.pdf

1、個(gè)性化推薦技術(shù)研究用戶行為，分析用戶興趣，主動(dòng)為用戶推薦合適的資源，較好地解決了互聯(lián)網(wǎng)信息日益龐大與用戶需求之間的矛盾。協(xié)同過(guò)濾(Collaborative Filtering)算法中，基于鄰居的方法和基于潛在因子的方法是目前應(yīng)用于推薦系統(tǒng)最成功的技術(shù)。前者雖然簡(jiǎn)單易行，但精度有待提高；后者精度較高，但模型復(fù)雜，參數(shù)難以學(xué)習(xí)。因此本文提出一種改進(jìn)的基于用戶相似性的協(xié)同過(guò)濾算法，通過(guò)修正用戶相似性的度量方法，產(chǎn)生更合理的用戶鄰居，實(shí)現(xiàn)對(duì)用

2、戶的評(píng)分推薦。實(shí)驗(yàn)結(jié)果表明：本文中提出的算法相比基于潛在因子的方法簡(jiǎn)單易行；同時(shí)，相比基于鄰居的方法，在一定程度上提高了推薦的精度。
　　數(shù)據(jù)稀疏是影響推薦系統(tǒng)質(zhì)量的瓶頸問(wèn)題，隨著用戶和項(xiàng)目的數(shù)量不斷增加，稀疏性問(wèn)題將會(huì)越來(lái)越嚴(yán)重。矩陣填充方法是解決稀疏性問(wèn)題的常用方法，簡(jiǎn)單的填充方法效果往往不是很好。本文中提出一種基于項(xiàng)目相似性的矩陣填充方法，通過(guò)遞歸計(jì)算用戶對(duì)項(xiàng)目的預(yù)測(cè)評(píng)分來(lái)填充稀疏矩陣。實(shí)驗(yàn)結(jié)果表明：該方法可以有效緩解推薦中