基于項(xiàng)目的個(gè)性化推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展和電子商務(wù)應(yīng)用的不斷深化，大型網(wǎng)上購(gòu)物系統(tǒng)越來(lái)越多。為了提升市場(chǎng)競(jìng)爭(zhēng)力，推薦系統(tǒng)被引入電子商務(wù)中?；谟脩艉突陧?xiàng)目的協(xié)同過(guò)濾推薦系統(tǒng)得到了廣泛的應(yīng)用。近年來(lái)，大型網(wǎng)上購(gòu)物系統(tǒng)的商品空間和用戶空間迅速增長(zhǎng)，用戶評(píng)分?jǐn)?shù)據(jù)卻極端稀疏，這種情況給推薦系統(tǒng)帶來(lái)了新的挑戰(zhàn)：如何在稀疏的數(shù)據(jù)空間上做出實(shí)時(shí)的、高質(zhì)量的推薦。結(jié)合協(xié)同過(guò)濾與基于內(nèi)容的信息過(guò)濾的算法可以解決這個(gè)問(wèn)題，但是這些算法需要預(yù)先得到項(xiàng)目的內(nèi)容信息或者用戶的個(gè)人

2、信息，而這些信息在很多推薦系統(tǒng)中是無(wú)法獲得的。
　　 本文研究了基于項(xiàng)目的個(gè)性化推薦技術(shù)，提出了在無(wú)法得到項(xiàng)目的內(nèi)容信息和用戶個(gè)人信息的情況下，提高推薦質(zhì)量的一種基于項(xiàng)目的推薦算法-IBRA算法。首先分析用戶評(píng)分?jǐn)?shù)據(jù)矩陣，利用用戶篩選的思想計(jì)算出不同項(xiàng)目之間的相似度；然后利用項(xiàng)目之間的相似度為用戶做出推薦。為了提高推薦速度，在IBRA算法的基礎(chǔ)上提出了一個(gè)簡(jiǎn)化的實(shí)現(xiàn)模型，主要思想是：利用IBRA算法預(yù)先計(jì)算項(xiàng)目之間的相似度，在內(nèi)

3、存為每個(gè)項(xiàng)目保存與其最相似的項(xiàng)目集合S；做出推薦時(shí)，先找到目標(biāo)用戶評(píng)分項(xiàng)與項(xiàng)目集合S的交集，然后利用此交集計(jì)算目標(biāo)項(xiàng)目的評(píng)分預(yù)測(cè)值；最后，通過(guò)離線計(jì)算的方式定期更新預(yù)保存的數(shù)據(jù)。通過(guò)這種方法可以在大型Web系統(tǒng)達(dá)到實(shí)時(shí)推薦的效果。
　　 最后，在公開(kāi)的數(shù)據(jù)集上對(duì)本文提出的算法和簡(jiǎn)化的實(shí)現(xiàn)模型做了較為全面的實(shí)驗(yàn)驗(yàn)證。分析表明，IBRA算法能夠有效提高信息推薦的質(zhì)量；本文提出的模型通過(guò)預(yù)計(jì)算項(xiàng)目之間的相似度并為每個(gè)項(xiàng)目保存小部分的相