一種新型的協(xié)同過濾推薦算法.pdf

1、當今電子商務推薦系統(tǒng)的應用日益廣泛，推薦算法作為推薦系統(tǒng)的核心也得到廣泛的研究，協(xié)同過濾推薦算法是目前應用最成功的推薦算法之一，但是傳統(tǒng)的協(xié)同過濾推薦存在數(shù)據(jù)稀疏性、冷啟動和可擴展性等問題。論文針對傳統(tǒng)協(xié)同過濾算法中出現(xiàn)的問題進行改進。論文的主要工作如下：
　?。?）提出將用戶與項目的評分、特征因素結合起來的協(xié)同過濾算法。論文改進的算法將用戶評分相似度和用戶特征相似度相結合選取用戶最近鄰居計算用戶預測評分，同時將項目評分相似度和項

2、目特征相似度相結合選取項目最近鄰居計算項目預測評分，然后將用戶預測評分和項目預測評分相結合產(chǎn)生最終推薦。論文改進的算法不僅解決了冷啟動問題，而且也緩解了數(shù)據(jù)稀疏性。
　?。?）提出利用遺傳算法解決改進的算法中選取最佳參數(shù)組合問題。在改進的算法中，當選取用戶近鄰和項目近鄰、將用戶及項目評分相似度和特征相似度相結合、將用戶預測評分和項目預測評分相結合時，都需要選擇適當?shù)拈撝祷驒嘀?。遺傳算法作為解決組合優(yōu)化問題的方法之一，可以在推薦算法

3、中得到最佳的參數(shù)組合，提高推薦結果準確度。
　?。?）提出利用遺傳算法解決對當前推薦場景有影響的用戶特征組合問題。當用戶的特征因素很多時，并不一定用戶的每一特征都會對當前推薦場景造成影響，如何提取出影響當前推薦場景的特征因素是推薦算法的關鍵問題。利用遺傳算法隨機生成個體的原理，通過遺傳算法的不斷迭代與推薦結果評估，能夠提取出對當前推薦場景起作用的特征因素。
　?。?）在Movielens數(shù)據(jù)集上進行實驗，實驗結果表明論文改進