協(xié)同過濾算法中新型相似度計算方法的研究.pdf

1、在網(wǎng)絡(luò)飛速發(fā)展的今天，海量的信息讓人們感到迷惑，這種局勢使得推薦系統(tǒng)成為了個性化研究領(lǐng)域的熱點。協(xié)同過濾算法則是推薦系統(tǒng)中使用得最多、最成功的算法。由于相似度計算在協(xié)同過濾算法中的重要性，本文通過研究相似度計算方法的手段來提高協(xié)同過濾算法的性能。
　　 本文主要研究協(xié)同過濾算法中相似度計算方法。針對目前協(xié)同過濾算法面臨的矩陣稀疏、用戶冷啟動問題，提出了混合相似度的計算方法，該方法是將改進(jìn)后的PIP相似度計算方法與傳統(tǒng)的相似度計算

2、方法組合起來，并應(yīng)用到協(xié)同過濾算法中。當(dāng)用戶評分達(dá)到一定數(shù)量時，傳統(tǒng)的相似度計算方法還是能很好的反映用戶之間的相似程度，為使PIP方法與傳統(tǒng)的方法有效的結(jié)合，必須找到一個用戶評分?jǐn)?shù)量的臨界值。當(dāng)用戶評分?jǐn)?shù)量小于這個臨界值時，使用PIP方法計算相似度；當(dāng)用戶評分?jǐn)?shù)量大于這個臨界值時，使用傳統(tǒng)的相似度計算方法計算。
　　 提出了劃分相似度的概念。將原來的相似度劃分為三個部分：喜歡相似度、不喜歡相似度、中性相似度，再通分配權(quán)重方式，將

3、三種類型的相似度組合起來得到最后的相似度。由于喜歡相似度和不喜歡相似度較中性相似度更能反映出用戶之間的相似度程度，在將它們組合起來的時候采用了合理的權(quán)重系數(shù)分配方法。實驗證明，劃分相似度的計算方法更能反映出用戶之間的相似程度。
　　 目前協(xié)同過濾算法中的相似度計算忽略了大量有用的信息，針對這一情況，提出了考慮用戶客觀信息的相似度計算方法。該方法提出兩種用戶模型：用戶基本模型和用戶喜好模型。使用某種方法將兩個模型量化后，分別計算出