一種基于用戶相似度改進(jìn)的協(xié)同推薦算法研究.pdf

1、伴隨著大數(shù)據(jù)時(shí)代的快速發(fā)展，人們逐漸陷入了信息海洋，信息過(guò)載問(wèn)題成為大數(shù)據(jù)時(shí)代嚴(yán)重的負(fù)面問(wèn)題之一。為緩解信息過(guò)載問(wèn)題，個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生。協(xié)同推薦技術(shù)是推薦系統(tǒng)最成功的推薦技術(shù)之一，傳統(tǒng)的協(xié)同推薦算法存在數(shù)據(jù)稀疏、推薦的實(shí)時(shí)性、準(zhǔn)確性以及冷啟動(dòng)等問(wèn)題，針對(duì)此問(wèn)題，大量國(guó)內(nèi)和國(guó)外學(xué)者提出各種解決辦法，并在一定程度取得較理想的效果。然而針對(duì)協(xié)同過(guò)濾存在的評(píng)分尺度差異問(wèn)題所提出解決辦法卻相對(duì)較少。
　　本文主要對(duì)推薦系統(tǒng)面臨的推薦準(zhǔn)

2、確性進(jìn)行了深入分析和研究，在User-Based協(xié)同過(guò)濾算法的基礎(chǔ)上，結(jié)合針對(duì)用戶評(píng)分尺度差異提出的解決方案，設(shè)計(jì)了一種基于用戶相似度改進(jìn)的協(xié)同推薦算法。首先，本文對(duì)當(dāng)前個(gè)性化推薦技術(shù)在國(guó)內(nèi)外的發(fā)展現(xiàn)狀進(jìn)行綜述，對(duì)主流的推薦技術(shù)進(jìn)行了比較和分析。
　　然后，通過(guò)分析傳統(tǒng)協(xié)同推薦技術(shù)中的核心算法，即用戶相似度計(jì)算方法，發(fā)現(xiàn)協(xié)同過(guò)濾算法還存在另一個(gè)問(wèn)題：在計(jì)算用戶相似度時(shí)，用戶之間在項(xiàng)目集合內(nèi)對(duì)所有項(xiàng)目的評(píng)分尺度差異會(huì)被忽略。盡管目前

3、提出的修正的余弦相似度算法和皮爾遜相似度算法在一定程度上對(duì)傳統(tǒng)的余弦相似算法在的評(píng)分尺度差異完全忽略問(wèn)題有所改善，但是用戶之間對(duì)項(xiàng)目的單條評(píng)分尺度差異問(wèn)題依舊存在。當(dāng)兩個(gè)用戶對(duì)一組共同評(píng)分項(xiàng)目集合的評(píng)分向量存在較大的不同時(shí)，他們的評(píng)分向量的合向量是有一定幾率得到比較相似的結(jié)果。
　　接下來(lái)，通過(guò)對(duì)余弦相似算法在多維空間評(píng)分向量存在的評(píng)分尺度差異問(wèn)題，修正的相似算法和皮爾遜相似算法在多維空間尺度差異向量存在的問(wèn)題進(jìn)行了詳細(xì)的分析，找