基于增量更新的自適應協同過濾算法研究.pdf

1、推薦系統(tǒng)根據用戶對項目的喜好程度進行信息過濾，并應用知識發(fā)現技術為用戶推薦可能最有興趣的內容。作為常用的知識發(fā)現技術之一，協同過濾是個性化推薦系統(tǒng)的主要工具。隨著推薦系統(tǒng)的站點結構越來越復雜、內容和用戶數量越來越多，協同過濾算法在實現過程中暴露出很多問題，本文研究數據稀疏處理、預測準確性和可擴展性三個問題。
　　 結合基于用戶的協同過濾算法和基于項目的協同過濾算法，在數據更新過程中增加增量更新機制，提出了基于增量更新的自適應協同

2、過濾推薦算法IUACF，該算法由自適應協同過濾和增量更新兩個處理過程組成。在自適應協同過濾階段，首先采用項目實體評分數據之間的相似性與項目屬性數據相結合的方式，最大限度地擴大用戶共同評分數據而降低數據稀疏性，然后通過相似性調整因子和閾值的作用，使被選為近鄰的對象與目標對象之間相似性更高，最后設置一個權重因子平衡基于用戶群的預測評分與基于項目群的預測評分之間的權重關系，從而提高推薦準確率；增量更新機制能夠適應用戶興趣變化的需要，以較小的系