協(xié)同過濾技術(shù)及其在電子商務(wù)推薦領(lǐng)域的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務(wù)應(yīng)用的廣泛深入，人們?cè)谙硎芫W(wǎng)上購物便捷性的同時(shí)也陷入了信息過載的困境，用戶在大量的產(chǎn)品信息中難以找到自己需要的商品。因此，電子商務(wù)推薦系統(tǒng)應(yīng)運(yùn)而生。 本文對(duì)電子商務(wù)推薦系統(tǒng)進(jìn)行了較深入的研究，詳細(xì)分析了各種個(gè)性化推薦技術(shù)在電子商務(wù)推薦領(lǐng)域的應(yīng)用現(xiàn)狀和前景。在此基礎(chǔ)之上，重點(diǎn)研究了電子商務(wù)推薦領(lǐng)域的主流技術(shù)--協(xié)同過濾技術(shù)。在詳細(xì)分析傳統(tǒng)的基于項(xiàng)目的(Item-Based)協(xié)同過濾算法存在的問題的基礎(chǔ)上，

2、提出了一個(gè)新的基于項(xiàng)目關(guān)聯(lián)性評(píng)分預(yù)測(cè)的協(xié)同過濾算法IAPCF。區(qū)別于傳統(tǒng)的算法，IAPCF算法不是根據(jù)項(xiàng)目之間的相似度，而是根據(jù)項(xiàng)目之間的關(guān)聯(lián)規(guī)則來尋找項(xiàng)目的最近鄰居集合。實(shí)驗(yàn)結(jié)果表明，IAPCF算法比傳統(tǒng)的基于項(xiàng)目的協(xié)同過濾算法具有更好的推薦精度。 隨著電子商務(wù)網(wǎng)站規(guī)模的增長，基于用戶的(User-Based)協(xié)同過濾算法存在較嚴(yán)重的數(shù)據(jù)稀疏性問題，使得用戶之間相似度的計(jì)算結(jié)果不準(zhǔn)確，導(dǎo)致推薦質(zhì)量急劇下降。本文結(jié)合上述提出的新

3、算法IAPCF對(duì)此進(jìn)行了改進(jìn)。改進(jìn)后的算法IAPCF-UB與傳統(tǒng)算法的不同之處在于：在形成用戶鄰居階段，計(jì)算用戶間相似度時(shí)，先利用IAPCF算法，根據(jù)兩兩用戶間評(píng)分項(xiàng)目的并集，預(yù)測(cè)用戶對(duì)并集中未評(píng)分項(xiàng)目的評(píng)分，增加用戶之間共同評(píng)分的項(xiàng)目數(shù)，從而可以解決用戶-項(xiàng)目評(píng)分矩陣的極端稀疏性，使得計(jì)算得到的目標(biāo)用戶的最近鄰居更加準(zhǔn)確，從而提高算法的推薦精度。實(shí)驗(yàn)結(jié)果表明，在面對(duì)稀疏數(shù)據(jù)集時(shí)，改進(jìn)算法IAPCF-UB相比于傳統(tǒng)的基于用戶的協(xié)同過濾算