基于高維子空間聚類的協(xié)同過濾個(gè)性化推薦.pdf

1、近年來，隨著Internet和信息技術(shù)的飛速發(fā)展，日益嚴(yán)重的“信息過載”和“信息迷向”問題助推了個(gè)性化推薦系統(tǒng)的蓬勃發(fā)展。個(gè)性化推薦系統(tǒng)可以根據(jù)用戶已有的記錄信息，對目標(biāo)用戶所將感興趣的信息進(jìn)行推薦，可以更方便的幫助用戶找到其所需的信息。推薦系統(tǒng)在應(yīng)用中具有良好的發(fā)展和應(yīng)用前景，逐漸成為一個(gè)重要研究內(nèi)容，得到了越來越多的關(guān)注。
　　 協(xié)同過濾是目前最成功的一種推薦算法，它能夠基于其他用戶的觀點(diǎn)幫助人們作出選擇。它的基本思想：為用

2、戶找到他真正感興趣的內(nèi)容的好方法是首先找與他興趣相似的用戶，然后將這些用戶感興趣的內(nèi)容推薦給此用戶。但是，隨著網(wǎng)上有效信息的數(shù)量和商品種類的急劇增長，對推薦系統(tǒng)提出了嚴(yán)峻的挑戰(zhàn)，協(xié)同過濾推薦中存在一些列的問題亟待解決。本文對此進(jìn)行了深入的分析和研究，全文主要內(nèi)容如下：
　　 (1)論文對協(xié)同過濾算法的設(shè)計(jì)和個(gè)性化推薦系統(tǒng)等關(guān)鍵技術(shù)進(jìn)行了研究。通過對協(xié)同過濾改進(jìn)算法中所存在問題的分析，深入探討了協(xié)同過濾算法中影響推薦質(zhì)量的稀疏性問

3、題和影響用戶滿意度的推薦完整性問題。
　　 (2)針對項(xiàng)目—評分高維數(shù)據(jù)的稀疏性和維度效應(yīng)的特點(diǎn)，引入了高維數(shù)據(jù)的子空間聚類算法。采用基于用戶模式相似的子空間聚類算法對數(shù)據(jù)進(jìn)行聚類，改進(jìn)了協(xié)同過濾算法。同時(shí)提出了對用戶數(shù)據(jù)進(jìn)行線下聚類，顯著地提高了時(shí)間效率。通過實(shí)驗(yàn)證明了本文提出的基于用戶模式子空間聚類算法，以及在此基礎(chǔ)上的協(xié)同過濾算法的推薦結(jié)果明顯優(yōu)于傳統(tǒng)的協(xié)同過濾算法和基于K-means聚類的協(xié)同過濾算法，在效率和推薦精度上