基于相似性的優(yōu)化推薦算法研究與設(shè)計.pdf

1、在互聯(lián)網(wǎng)時代，個性化推薦系統(tǒng)得到廣泛應(yīng)用。在推薦系統(tǒng)中，推薦算法起著決定性的作用，而協(xié)同過濾算法為最為常用的一種推薦算法，采用基于用戶的協(xié)同過濾對稀疏評分矩陣進行預(yù)填充，然后使用基于項目的協(xié)同過濾，對未知評分進行預(yù)測，可以在一定程度上提高預(yù)測精度。但該算法存在兩個問題：在預(yù)填充階段，由于用戶相似性計算過程受到評分數(shù)據(jù)稀疏的影響，導(dǎo)致得到的用戶最近鄰集不夠準確，那么利用用戶最近鄰集填充得到的稠密數(shù)據(jù)精度較低；在預(yù)測階段，由于度量項目相似性

2、方式不合理，導(dǎo)致得到的項目最近鄰集不夠準確，最終導(dǎo)致算法精度下降。
　　為了進一步提高該推薦算法的預(yù)測精度，針對該算法存在的兩個問題做出優(yōu)化：在預(yù)填充階段，提出了相似性矩陣最優(yōu)化模型，得到表征用戶相似性的矩陣，從而得到更準確的用戶最近鄰集，該過程受數(shù)據(jù)稀疏性影響較小，然后根據(jù)所得的用戶最近鄰集對原始評分矩陣預(yù)填充，得到精度較高的稠密評分矩陣；在預(yù)測階段，將共評用戶與目標用戶之間的相似性考慮在內(nèi)，優(yōu)化了項目間相似性的度量方式，得到了