基于項目的個性化推薦算法研究.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)上購物系統(tǒng)越來越多。為了提升市場競爭力，推薦系統(tǒng)被引入電子商務(wù)中?；谟脩艉突陧椖康膮f(xié)同過濾推薦系統(tǒng)得到了廣泛的應(yīng)用。近年來，大型網(wǎng)上購物系統(tǒng)的商品空間和用戶空間迅速增長，用戶評分數(shù)據(jù)卻極端稀疏，這種情況給推薦系統(tǒng)帶來了新的挑戰(zhàn)：如何在稀疏的數(shù)據(jù)空間上做出實時的、高質(zhì)量的推薦。結(jié)合協(xié)同過濾與基于內(nèi)容的信息過濾的算法可以解決這個問題，但是這些算法需要預(yù)先得到項目的內(nèi)容信息或者用戶的個人

2、信息，而這些信息在很多推薦系統(tǒng)中是無法獲得的。
　　 本文研究了基于項目的個性化推薦技術(shù)，提出了在無法得到項目的內(nèi)容信息和用戶個人信息的情況下，提高推薦質(zhì)量的一種基于項目的推薦算法-IBRA算法。首先分析用戶評分數(shù)據(jù)矩陣，利用用戶篩選的思想計算出不同項目之間的相似度；然后利用項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)上提出了一個簡化的實現(xiàn)模型，主要思想是：利用IBRA算法預(yù)先計算項目之間的相似度，在內(nèi)

3、存為每個項目保存與其最相似的項目集合S；做出推薦時，先找到目標用戶評分項與項目集合S的交集，然后利用此交集計算目標項目的評分預(yù)測值；最后，通過離線計算的方式定期更新預(yù)保存的數(shù)據(jù)。通過這種方法可以在大型Web系統(tǒng)達到實時推薦的效果。
　　 最后，在公開的數(shù)據(jù)集上對本文提出的算法和簡化的實現(xiàn)模型做了較為全面的實驗驗證。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預(yù)計算項目之間的相似度并為每個項目保存小部分的相