基于雙聚類模型的協(xié)同過濾推薦引擎研究.pdf

1、隨著計算機(jī)和互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，網(wǎng)絡(luò)中信息量成指數(shù)增長，互聯(lián)網(wǎng)步入大數(shù)據(jù)時代，信息過載問題日益明顯。個性化推薦引擎能夠幫助用戶從海量的數(shù)據(jù)中辨別、過濾信息，主動給用戶推薦有用的信息，它是解決信息過載問題的一種具有潛力的技術(shù)，成為學(xué)術(shù)界研究的熱點之一。
　　 協(xié)同過濾推薦技術(shù)是目前應(yīng)用最為廣泛和成功的個性化推薦技術(shù)，但該技術(shù)存在大數(shù)據(jù)和數(shù)據(jù)稀疏性等缺點，影響了推薦的性能。為提高推薦質(zhì)量和加快推薦響應(yīng)速度，研究者們提出對用戶或項目

2、進(jìn)行聚類的協(xié)同過濾方法，實驗表明獲得了較好的效果。本文為進(jìn)一步提高協(xié)同過濾推薦性能，綜合考慮用戶和項目的二元關(guān)系，提出一種雙聚類模型的協(xié)同過濾推薦算法，即首先對用戶和項目同時進(jìn)行聚類，利用多目標(biāo)免疫進(jìn)化算法求解雙聚類集，挖掘局部相似模式，完成對用戶和項目相似性分組，然后制定合理的相似度策略，計算用戶和雙聚類之間的相似性，搜索用戶的鄰居集，再根據(jù)預(yù)測策略給用戶進(jìn)行項目預(yù)測評分，最后在線為用戶進(jìn)行TOP-N推薦。為評估該算法的性能，采用Mo