推薦系統(tǒng)用戶相似度計算方法研究.pdf

1、隨著互聯(lián)網(wǎng)的數(shù)據(jù)規(guī)模急劇擴大,用戶無法準確迅速地找到自己需要的信息,為解決日益嚴重的信息過載問題,多種技術(shù)方案應(yīng)運而生,推薦系統(tǒng)就是其中的佼佼者。推薦系統(tǒng)是一種個性化的信息服務(wù),能夠很好地充當用戶和信息資源之間的橋梁。推薦系統(tǒng)通過建立模型,對用戶的需求進行描述,再通過某種推薦策略將特定的信息資源主動推薦給目標用戶。
　　由于推薦系統(tǒng)具有個性化和智能化等特點,其在電子商務(wù)、社交網(wǎng)站和影音站點取得了巨大的成功,已經(jīng)成為這些應(yīng)用平臺的核

2、心子系統(tǒng)?；趨f(xié)同過濾的推薦系統(tǒng)是應(yīng)用最為廣泛、研究最為深入的一類推薦系統(tǒng),這類推薦系統(tǒng)算法的關(guān)鍵是尋找用戶或者項目的鄰居,鄰居尋找的準確性決定了最后推薦結(jié)果的質(zhì)量,而鄰居的尋找依賴于用戶或者項目相似度的計算,因此設(shè)計一個適合的相似度計算方法是推薦算法成功的關(guān)鍵問題。
　　本文首先介紹了推薦系統(tǒng)的概念和推薦系統(tǒng)的模型,同時詳細探討了用戶研究和用戶模型,并對常用的推薦系統(tǒng)架構(gòu)進行了分析和介紹;然后介紹了常用的幾種推薦算法并介紹了各自

3、適用的場景和優(yōu)缺點以及主要的相似度計算方法和這些相似度計算方法的局限,接著介紹了常用的實驗數(shù)據(jù)集和評價指標。
　　傳統(tǒng)的用戶相似度計算方法中每個項目的權(quán)重是一樣的,通過分析可以知道用戶間共同高評分項目的權(quán)重應(yīng)該高于用戶間共同低評分項目的權(quán)重,再考慮上類群關(guān)系,就得到了本文提出的一種加權(quán)的用戶相似度計算方法,這種方法解決了一些會導(dǎo)致尋找鄰居準確性下降的問題。通過在MovieLens數(shù)據(jù)集上進行實驗,與基于傳統(tǒng)用戶相似度計算方法的協(xié)同