非負(fù)矩陣分解與聚類方法在個(gè)性化推薦系統(tǒng)中的應(yīng)用研究.pdf

1、隨著Internet的普及，電子商務(wù)也成為當(dāng)下的主流，每天Internet上的信息更新量呈指數(shù)級(jí)增長(zhǎng)，導(dǎo)致出現(xiàn)“信息過(guò)載”的現(xiàn)象，浩瀚的信息中有99％的信息是用戶不需要的。用戶難以在海量的信息中快速找到自己所需的產(chǎn)品，因此，個(gè)性化推薦系統(tǒng)隨之產(chǎn)生，其中協(xié)同過(guò)濾推薦技術(shù)又是個(gè)性化推薦系統(tǒng)研究熱點(diǎn)之一。然而，這在實(shí)際運(yùn)用過(guò)程中，仍然存在著諸多問(wèn)題亟待解決，譬如：用戶對(duì)商品評(píng)價(jià)數(shù)據(jù)的稀疏性問(wèn)題；隨著用戶和項(xiàng)目數(shù)的增多，推薦系統(tǒng)的性能將會(huì)隨之降

2、低等。本文針對(duì)當(dāng)前存在的這些問(wèn)題，將對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法進(jìn)行改進(jìn)。
　　本文的主要研究工作如下：
　　(1).闡述了當(dāng)前推薦技術(shù)在國(guó)內(nèi)外的研究進(jìn)展，對(duì)推薦系統(tǒng)的分類、結(jié)構(gòu)及技術(shù)難點(diǎn)作了比較深入的討論，在這基礎(chǔ)之上，對(duì)推薦系統(tǒng)中協(xié)同過(guò)濾技術(shù)進(jìn)行了重點(diǎn)研究。
　　(2).詳細(xì)的分析協(xié)同過(guò)濾技術(shù)中基于用戶的協(xié)同過(guò)濾（User-basedCF）和基于項(xiàng)目的協(xié)同過(guò)濾技術(shù)（Item-basedCF）的適用環(huán)境及潛在的問(wèn)題，

3、如協(xié)同過(guò)濾推薦算法中存在的數(shù)據(jù)稀疏性問(wèn)題等，并提出使用非負(fù)矩陣分解技術(shù)來(lái)解決，取得了較好的效果。
　　(3).針對(duì)傳統(tǒng)協(xié)同過(guò)濾技術(shù)中存在的數(shù)據(jù)稀疏性和擴(kuò)展性問(wèn)題，本文提出了利用非負(fù)矩陣分解技術(shù)對(duì)用戶和項(xiàng)目評(píng)分矩陣進(jìn)行規(guī)范、簡(jiǎn)化和降維處理，提出了以聚類算法進(jìn)行劃分不同用戶類型，并將聚類劃分用戶結(jié)果作為最近鄰居，最后通過(guò)協(xié)同過(guò)濾算法進(jìn)行預(yù)測(cè)評(píng)分，產(chǎn)生推薦。
　　(4).通過(guò)使用MovieLens站點(diǎn)數(shù)據(jù)進(jìn)行模擬比對(duì)實(shí)驗(yàn)，驗(yàn)證了本