推薦系統(tǒng)中協(xié)同過濾算法關鍵問題研究.pdf

1、隨著Web技術在互聯(lián)網中發(fā)展，用戶不再是簡單地從網絡中獲取信息，而是采取更加主動的方式產生信息。由于用戶數量的急劇增長，以用戶為中心的信息產生模式，導致了互聯(lián)網信息量呈現飛速增長，這種現象被稱為“信息過載”。該現象是指在海量信息面前，人們無法迅速準確地獲取對他們有用的信息。為了解決“信息過載”問題，推薦系統(tǒng)由此而產生。推薦系統(tǒng)不要求用戶提供準確的需求，而是根據對用戶的過去行為進行分析，從而推測出用戶在將來可能需要的信息。
　　當前

2、，在眾多推薦技術中，協(xié)同過濾推薦技術由于它獨特的優(yōu)點，在電子商務中取得了廣泛應用。雖然協(xié)同過濾推薦算法的研究工作已經取得許多成果，但依然存在很多問題亟需解決。比如“冷啟動”、“可擴展性”、“數據稀疏性”等問題，這些問題的存在，對算法的準確性造成了影響。如何解決上述問題，改進協(xié)同過濾算法性能，一直是推薦系統(tǒng)中重點研究的課題。
　　論文主要工作如下:
　　第一，針對協(xié)同過濾技術中存在的“冷啟動”、“可擴展性”問題，提出了結合用戶

3、屬性聚類的協(xié)同過濾推薦算法ID-CF。該推薦系統(tǒng)通過加入權重的方法，將基于項目的協(xié)同過濾算法與K—means算法相結合，顯著提高其推薦準確度。在算法中，由于項目之間的相似性和用戶聚類可以離線計算，這樣可以解決推薦系統(tǒng)的可擴展性問題。當一個新用戶加入系統(tǒng)時，通過使用聚類算法，可將新用戶添加到最相近的用戶集，這樣可以快速預測用戶對項目的評分，冷啟動問題也可較好地解決。
　　第二，由于“數據稀疏性”問題對協(xié)同過濾算法的準確性有較大的影響