協(xié)同過濾算法在電子商務推薦系統(tǒng)的研究.pdf

1、隨著網(wǎng)絡信息化服務的飛躍式發(fā)展,商品與服務等領域的電子海量數(shù)據(jù),在給用戶提供更多信息服務的同時,也讓用戶迷失在電子信息的海洋之中,無法準確地找到自己想要的信息,作為智能化服務的推薦系統(tǒng)已經(jīng)成為信息個性化推薦技術的重要表現(xiàn)形式,在電子商務等信息化服務中具在不可替代的作用。對電子商務推薦模塊的研究,具有良好的應用前景和實用價值。
　　 本文在研究電子商務領域中廣泛應用的個性化推薦系統(tǒng)的基礎上,對推薦系統(tǒng)中各種推薦技術進行研究,結合各

2、種推薦技術的優(yōu)缺點,著重研究協(xié)同過濾技術的填充模型,針對協(xié)同過濾中存在的數(shù)據(jù)極端稀疏、相似準確度問題進行研究,提出一種基于模型填充的混合協(xié)同過濾算法,并將之應用于電子商務推薦模塊。
　　 對填充模型的研究,本文主要提出了兩種填充策略,首先,利用樸素貝葉斯方法對用戶項目屬性進行概率統(tǒng)計,建立特征屬性預測表,即相應的貝葉斯模型,結合項目相似度的項目模型,建立由貝葉斯模型和項目模型結合的填充策略;其次,基于用戶聚類和項目聚類,結合用戶

3、聚類的(用戶組,項目)評分矩陣和項目聚類建立的(用戶,項目組)評分矩陣來對(用戶,項目)稀疏評分矩陣進行填充的聚類填充策略。實驗結果表明,基于填充模型的協(xié)同過濾算法對傳統(tǒng)過濾算法有更好的性能,在用戶相似度以及項目相似度的準確度上有較大的提高,從而提高了推薦的準確度;針對不同的數(shù)據(jù)源進行建模,有效地改善了推薦系統(tǒng)數(shù)據(jù)的單一性,將基于內(nèi)容的推薦技術與基于評分的推薦技術有效地整合在填充模型中,改善了推薦系統(tǒng)對評分數(shù)據(jù)的過度依賴,提高了推薦系統(tǒng)