基于商品關(guān)系改進的協(xié)同過濾推薦算法.pdf

1、隨著互聯(lián)網(wǎng)中的信息量劇增，用戶個性化需求日趨急切，推薦系統(tǒng)已經(jīng)成為信息過濾的熱門工具。協(xié)同過濾推薦算法是應用最廣泛的推薦算法。為進一步提升推薦結(jié)果的準確度，大量基于用戶關(guān)系的協(xié)同過濾算法被提出，例如基于社交網(wǎng)絡用戶關(guān)系的推薦算法等。然而，被眾多的研究者忽略的商品關(guān)系對于提高推薦算法的準確度卻有更好的效果。
　　本文旨在將商品關(guān)系融合到傳統(tǒng)的協(xié)同過濾推薦算法中以進一步提升推薦效果。通常商品關(guān)系可分為隱式關(guān)系和顯式關(guān)系。首先，為解決利

2、用相似度算法發(fā)掘隱式商品關(guān)系方法中存在的不足，例如對稱性以及不能同時考慮多個商品間的關(guān)系等問題，本文利用改進的關(guān)聯(lián)規(guī)則技術(shù)挖掘一對一及多對一的隱式商品關(guān)系，并以此關(guān)系作為正則項融合到矩陣分解模型中。同時，為進一步研究不同商品關(guān)系對提升推薦效果的影響，本文設計了四種不同的選取隱式商品關(guān)系的策略。
　　其次，在真實的電子商務系統(tǒng)中，商品之間往往存在顯式的關(guān)系：具有相似特征的商品會被分配到同一類別中，反之則被分配到不同類別中。同時考慮到