電子商務(wù)協(xié)同過濾推薦技術(shù)研究.pdf

1、如今,Internet發(fā)展迅猛，已成為人們生活中不可或缺的一部分。無(wú)論是出門吃飯還是在家看影視節(jié)目都可以根據(jù)網(wǎng)站的推薦進(jìn)行選擇。然而,隨著接入互聯(lián)網(wǎng)的網(wǎng)頁(yè)數(shù)量不斷增長(zhǎng),傳統(tǒng)的搜索算法已無(wú)法針對(duì)不同用戶提供個(gè)性化的信息，隨之產(chǎn)生了“信息過載”的問題。因此，個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生。
　　協(xié)同過濾推薦算法是當(dāng)前推薦系統(tǒng)中應(yīng)用最廣泛的推薦算法，但是隨著電子商務(wù)的規(guī)模不斷擴(kuò)大，協(xié)同過濾算法同樣遇到了一些挑戰(zhàn)，如冷啟動(dòng)問題、數(shù)據(jù)稀疏性等問題。

2、本文針對(duì)協(xié)同過濾算法進(jìn)行了深入的學(xué)習(xí)和研究，并闡述了相應(yīng)的組合算法和針對(duì)協(xié)同過濾算法的改進(jìn)算法，取得了理想的結(jié)果。
　　本文的創(chuàng)新工作主要如下：
　　1、使用Netflix公司的數(shù)據(jù)集Movielens中除了用戶——項(xiàng)目評(píng)分外的數(shù)據(jù)。
　　2、提出一種數(shù)據(jù)處理方法來消除不同個(gè)體評(píng)分差異性對(duì)項(xiàng)目評(píng)分預(yù)測(cè)帶來的誤差；改進(jìn)了協(xié)同過濾的數(shù)據(jù)稀疏性懲罰，減少數(shù)據(jù)稀疏性對(duì)項(xiàng)目評(píng)分預(yù)測(cè)帶來的誤差；提出協(xié)同過濾的時(shí)間性懲罰，減少系統(tǒng)對(duì)