協(xié)同過濾算法在電子商務(wù)推薦系統(tǒng)的研究.pdf

1、隨著網(wǎng)絡(luò)信息化服務(wù)的飛躍式發(fā)展,商品與服務(wù)等領(lǐng)域的電子海量數(shù)據(jù),在給用戶提供更多信息服務(wù)的同時,也讓用戶迷失在電子信息的海洋之中,無法準(zhǔn)確地找到自己想要的信息,作為智能化服務(wù)的推薦系統(tǒng)已經(jīng)成為信息個性化推薦技術(shù)的重要表現(xiàn)形式,在電子商務(wù)等信息化服務(wù)中具在不可替代的作用。對電子商務(wù)推薦模塊的研究,具有良好的應(yīng)用前景和實(shí)用價值。
　　 本文在研究電子商務(wù)領(lǐng)域中廣泛應(yīng)用的個性化推薦系統(tǒng)的基礎(chǔ)上,對推薦系統(tǒng)中各種推薦技術(shù)進(jìn)行研究,結(jié)合各

2、種推薦技術(shù)的優(yōu)缺點(diǎn),著重研究協(xié)同過濾技術(shù)的填充模型,針對協(xié)同過濾中存在的數(shù)據(jù)極端稀疏、相似準(zhǔn)確度問題進(jìn)行研究,提出一種基于模型填充的混合協(xié)同過濾算法,并將之應(yīng)用于電子商務(wù)推薦模塊。
　　 對填充模型的研究,本文主要提出了兩種填充策略,首先,利用樸素貝葉斯方法對用戶項(xiàng)目屬性進(jìn)行概率統(tǒng)計,建立特征屬性預(yù)測表,即相應(yīng)的貝葉斯模型,結(jié)合項(xiàng)目相似度的項(xiàng)目模型,建立由貝葉斯模型和項(xiàng)目模型結(jié)合的填充策略;其次,基于用戶聚類和項(xiàng)目聚類,結(jié)合用戶

3、聚類的(用戶組,項(xiàng)目)評分矩陣和項(xiàng)目聚類建立的(用戶,項(xiàng)目組)評分矩陣來對(用戶,項(xiàng)目)稀疏評分矩陣進(jìn)行填充的聚類填充策略。實(shí)驗(yàn)結(jié)果表明,基于填充模型的協(xié)同過濾算法對傳統(tǒng)過濾算法有更好的性能,在用戶相似度以及項(xiàng)目相似度的準(zhǔn)確度上有較大的提高,從而提高了推薦的準(zhǔn)確度;針對不同的數(shù)據(jù)源進(jìn)行建模,有效地改善了推薦系統(tǒng)數(shù)據(jù)的單一性,將基于內(nèi)容的推薦技術(shù)與基于評分的推薦技術(shù)有效地整合在填充模型中,改善了推薦系統(tǒng)對評分?jǐn)?shù)據(jù)的過度依賴,提高了推薦系統(tǒng)