基于優(yōu)化協(xié)同過濾與加權(quán)平均的群推薦方法.pdf

1、如今，推薦系統(tǒng)已成為解決信息過載問題的有力工具。最近數(shù)十年里，推薦系統(tǒng)主要為個體消費者提供服務(wù)并且取得了很大成功;信息技術(shù)以及社交網(wǎng)絡(luò)迅猛發(fā)展，促使用戶在網(wǎng)絡(luò)中結(jié)成群體參與活動。群體中的成員通常具有相似的偏好，他們參與到群體活動中，并受到其他成員的影響。面向個體用戶的推薦系統(tǒng)已經(jīng)不適于向群體用戶提供推薦。隨著電子商務(wù)等社交網(wǎng)站上群體規(guī)模的不斷擴大，構(gòu)建推薦系統(tǒng)并提供面向群體的推薦服務(wù)，降低用戶信息檢索的時間和精力，提高檢索效率的需求已變

2、得十分重要。
　　本文提出了一種新穎的基于優(yōu)化協(xié)同過濾與中位數(shù)加權(quán)平均的群推薦方法。該方法包括混合協(xié)同過濾預(yù)測評分方法和群體用戶評分集結(jié)方法?；旌蠀f(xié)同過濾預(yù)測評分方法融合了基于用戶和基于項目的協(xié)同過濾預(yù)測評分，對項目評分空值進(jìn)行預(yù)測。在計算項目的相似度時，使用加權(quán)平均方法融合項目的評分相似性與類型相似性作為項目的相似性?；谥形粩?shù)的加權(quán)平均集結(jié)策略在集結(jié)群體中所有成員的評分時，首先采用群體中所有用戶的評分中位數(shù)作為標(biāo)準(zhǔn)計算用戶的評

3、分可信度，然后使用用戶評分可信度修正用戶的評分頻度權(quán)重作為用戶最終的權(quán)重?；谥形粩?shù)的加權(quán)平均集結(jié)策略綜合考慮了群體用戶在評分過程中的作用，消除了個別用戶的預(yù)測評分差異過大帶來的影響。
　　本文采用Movielens電影評分?jǐn)?shù)據(jù)集，探索了項目類型相似性權(quán)重和用戶相似性權(quán)重對本文推薦算法的影響;將本文提出的混合協(xié)同過濾預(yù)測評分方法與傳統(tǒng)預(yù)測評分方法進(jìn)行比較;并將本文提出的基于中位數(shù)的加權(quán)平均集結(jié)策略與5種經(jīng)典的用戶評分集結(jié)策略進(jìn)行對