基于標(biāo)簽的協(xié)同過(guò)濾稀疏性問(wèn)題研究.pdf

1、Internet和電子商務(wù)的蓬勃發(fā)展，極大地拓展了用戶選擇商品的空間。但同時(shí)也帶來(lái)了信息過(guò)載(information overload)問(wèn)題。用戶在找到自己需要的商品之前，往往需要瀏覽大量的無(wú)關(guān)信息。在這種情況下，電子商務(wù)推薦系統(tǒng)應(yīng)運(yùn)而生，它通過(guò)對(duì)用戶的興趣愛(ài)好進(jìn)行預(yù)測(cè)，為用戶提供個(gè)性化的商品推薦服務(wù)。
　　 協(xié)同過(guò)濾方法是一種面向用戶行為的推薦技術(shù)，協(xié)同過(guò)濾方法通常在一個(gè)用戶項(xiàng)目評(píng)分矩陣上尋找當(dāng)前用戶的最近鄰居，然后參考這些最

2、近鄰居的偏好，預(yù)測(cè)當(dāng)前用戶的偏好，并向當(dāng)前用戶推薦一組其最有可能購(gòu)買的商品。協(xié)同過(guò)濾方法應(yīng)用廣泛，具有良好的推薦效果，但是面臨稀疏性問(wèn)題的挑戰(zhàn)。
　　 在協(xié)同過(guò)濾推薦系統(tǒng)中，用戶對(duì)項(xiàng)目的評(píng)分存儲(chǔ)在一個(gè)二維矩陣中，但用戶只對(duì)其中很少項(xiàng)目提供了評(píng)分值，隨著用戶數(shù)量和項(xiàng)目數(shù)量的迅速增加，矩陣中大量甚至多數(shù)元素都為空，這就形成了用戶評(píng)分稀疏矩陣。稀疏的用戶評(píng)分矩陣會(huì)從相似度計(jì)算、最近鄰居選擇和評(píng)分值預(yù)測(cè)等三個(gè)方面對(duì)推薦系統(tǒng)的推薦精度產(chǎn)生