基于高維子空間聚類的協(xié)同過濾個性化推薦.pdf

1、近年來，隨著Internet和信息技術的飛速發(fā)展，日益嚴重的“信息過載”和“信息迷向”問題助推了個性化推薦系統(tǒng)的蓬勃發(fā)展。個性化推薦系統(tǒng)可以根據(jù)用戶已有的記錄信息，對目標用戶所將感興趣的信息進行推薦，可以更方便的幫助用戶找到其所需的信息。推薦系統(tǒng)在應用中具有良好的發(fā)展和應用前景，逐漸成為一個重要研究內容，得到了越來越多的關注。
　　 協(xié)同過濾是目前最成功的一種推薦算法，它能夠基于其他用戶的觀點幫助人們作出選擇。它的基本思想：為用

2、戶找到他真正感興趣的內容的好方法是首先找與他興趣相似的用戶，然后將這些用戶感興趣的內容推薦給此用戶。但是，隨著網(wǎng)上有效信息的數(shù)量和商品種類的急劇增長，對推薦系統(tǒng)提出了嚴峻的挑戰(zhàn)，協(xié)同過濾推薦中存在一些列的問題亟待解決。本文對此進行了深入的分析和研究，全文主要內容如下：
　　 (1)論文對協(xié)同過濾算法的設計和個性化推薦系統(tǒng)等關鍵技術進行了研究。通過對協(xié)同過濾改進算法中所存在問題的分析，深入探討了協(xié)同過濾算法中影響推薦質量的稀疏性問

3、題和影響用戶滿意度的推薦完整性問題。
　　 (2)針對項目—評分高維數(shù)據(jù)的稀疏性和維度效應的特點，引入了高維數(shù)據(jù)的子空間聚類算法。采用基于用戶模式相似的子空間聚類算法對數(shù)據(jù)進行聚類，改進了協(xié)同過濾算法。同時提出了對用戶數(shù)據(jù)進行線下聚類，顯著地提高了時間效率。通過實驗證明了本文提出的基于用戶模式子空間聚類算法，以及在此基礎上的協(xié)同過濾算法的推薦結果明顯優(yōu)于傳統(tǒng)的協(xié)同過濾算法和基于K-means聚類的協(xié)同過濾算法，在效率和推薦精度上