基于協(xié)同過濾的推薦技術研究.pdf

1、作為被當前推薦系統(tǒng)最普遍采用并取得較大成功的推薦技術，協(xié)同過濾推薦技術根據目標用戶（或項目）的訪問數據或評價信息找到與其相似度較高的用戶（或項目）作為最近鄰居，然后根據這些最近鄰居的評分來預測目標用戶（或項目）的評分并為用戶推薦項目。然而在實際應用中，協(xié)同過濾推薦面臨著評分數據稀疏，冷啟動和算法擴展性差等諸多問題。
　　本文重點研究了協(xié)同過濾推薦算法，對于該算法存在的問題從不同的角度提出兩種改進算法，一方面利用用戶背景信息并結合了

2、模糊聚類技術對用戶聚類，改進項目相似度計算方法;另一方面充分利用用戶評分信息，并突出了用戶共同評分的特殊作用。
　　論文具體研究內容主要包括以下三個方面:
　　(1)由于在高維稀疏評分矩陣中，項目相似度的計算不僅不準確而且時間復雜度較高，因此，本文利用用戶背景信息對用戶進行模糊聚類，從群體的角度考慮項目在各用戶群體上的相似性，并為對兩個項目有較多用戶評分的群體賦予較高的項目相似性權重，提出一種基于加權項目相似性的模糊聚類推薦

3、算法，利用該算法可以在數據極其稀疏并且用戶維數較高條件下，提高搜索項目最近鄰準確性，并提高協(xié)同過濾算法的推薦質量。
　　(2)用戶評分信息反映了用戶喜好，但由于評分矩陣極端稀疏，如何充分利用用戶評分對于發(fā)現用戶興趣并做出推薦就顯得尤為重要。本文將用戶評分劃分為兩種類型，而在評分矩陣中，用戶共同評分數在一定程度上反映了用戶間的相似性，因此本文將用戶共同評分影響因子引入到相似性計算中，根據共同評分影響因子大小動態(tài)選擇相似度計算方法，提