基于增量更新的自適應(yīng)協(xié)同過濾算法研究.pdf

1、推薦系統(tǒng)根據(jù)用戶對(duì)項(xiàng)目的喜好程度進(jìn)行信息過濾，并應(yīng)用知識(shí)發(fā)現(xiàn)技術(shù)為用戶推薦可能最有興趣的內(nèi)容。作為常用的知識(shí)發(fā)現(xiàn)技術(shù)之一，協(xié)同過濾是個(gè)性化推薦系統(tǒng)的主要工具。隨著推薦系統(tǒng)的站點(diǎn)結(jié)構(gòu)越來越復(fù)雜、內(nèi)容和用戶數(shù)量越來越多，協(xié)同過濾算法在實(shí)現(xiàn)過程中暴露出很多問題，本文研究數(shù)據(jù)稀疏處理、預(yù)測(cè)準(zhǔn)確性和可擴(kuò)展性三個(gè)問題。
　　 結(jié)合基于用戶的協(xié)同過濾算法和基于項(xiàng)目的協(xié)同過濾算法，在數(shù)據(jù)更新過程中增加增量更新機(jī)制，提出了基于增量更新的自適應(yīng)協(xié)同

2、過濾推薦算法IUACF，該算法由自適應(yīng)協(xié)同過濾和增量更新兩個(gè)處理過程組成。在自適應(yīng)協(xié)同過濾階段，首先采用項(xiàng)目實(shí)體評(píng)分?jǐn)?shù)據(jù)之間的相似性與項(xiàng)目屬性數(shù)據(jù)相結(jié)合的方式，最大限度地?cái)U(kuò)大用戶共同評(píng)分?jǐn)?shù)據(jù)而降低數(shù)據(jù)稀疏性，然后通過相似性調(diào)整因子和閾值的作用，使被選為近鄰的對(duì)象與目標(biāo)對(duì)象之間相似性更高，最后設(shè)置一個(gè)權(quán)重因子平衡基于用戶群的預(yù)測(cè)評(píng)分與基于項(xiàng)目群的預(yù)測(cè)評(píng)分之間的權(quán)重關(guān)系，從而提高推薦準(zhǔn)確率；增量更新機(jī)制能夠適應(yīng)用戶興趣變化的需要，以較小的系