互聯網推薦系統(tǒng)中的協(xié)同過濾算法研究.pdf

1、在互聯網的許多應用場景中，用戶需要面對海量的信息。無論這些信息對于用戶而言是熟悉或不了解，人們都希望可以迅速的從中得到有用的個性化的信息。推薦系統(tǒng)是解決這個問題的方法之一，它根據用戶的訪問或行為歷史數據，過濾用戶不需要的信息，推薦最符合用戶需求的個性化信息。電子商務是推薦系統(tǒng)在互聯網最為典型的應用領域之一。推薦系統(tǒng)在電子商務中扮演銷售人員的角色，為用戶提供建議，幫助用戶更好的做出購物選擇。
　　 推薦算法是推薦系統(tǒng)中的關鍵技術。

2、它根據用戶的特征信息、歷史行為信息和物品的特征信息，結合一些額外的策略，預測用戶對物品的評分、喜愛程度或個性化地為每個用戶推薦物品。其中，協(xié)同過濾(collaborative filtering)算法是目前主流的推薦算法。盡管目前協(xié)同過濾技術在互聯網推薦系統(tǒng)中已經有很多成功的應用例子，但是隨著互聯網技術的發(fā)展，以及頁面信息量和用戶量的與日俱增，協(xié)同過濾推薦算法面臨著以下兩個問題：1)利用用戶和物品的可用信息提高推薦結果的準確率。除了評分

3、和訪問信息外，用戶和物品還有特征信息，例如用戶有人口統(tǒng)計學信息而物品會有形狀、屬性和訪問時間等信息。如何使用這些可用信息產生更準確的推薦。2)用戶興趣隨時間推移而變化的問題。隨著時間的推移，用戶的興趣是會不斷地變化的。如果推薦系統(tǒng)不能及時捕捉用戶興趣的變化，那么其產生的推薦結果就有可能偏離用戶需求。
　　 針對上述問題，本文在分析研究前人工作的基礎上，提出一種基于時間權重的最近鄰協(xié)同過濾算法。算法在傳統(tǒng)最近鄰協(xié)同過濾算法的基礎上

4、，引入時間權重。通常，物品的可用信息包括物品被用戶訪問的時間，基于訪問時間信息構造時間權重函數。直觀地，用戶興趣的變化是與時間相關的，因此時間權重能夠在某種程度上反映變化情況。提出了基于指數時間權重的最近鄰協(xié)同過濾算法和基于對數時間權重的最近鄰協(xié)同過濾算法，以推薦準確率為評價指標，設計了基于二元評分數據集的實驗對算法進行評價。結果表明，對數時間權重與基于用戶的最近鄰協(xié)同過濾算法結合效果最好，與傳統(tǒng)最近鄰協(xié)同過濾算法相比準確率有所提高。<