基于協(xié)同過濾的個(gè)性化推薦算法的優(yōu)化和應(yīng)用.pdf

1、近年來，隨著互聯(lián)網(wǎng)和電子商務(wù)的不斷成熟和發(fā)展，人們?cè)谛畔⒌墨@取和商品的購(gòu)買上獲得了很多的便利。與此同時(shí)，也出現(xiàn)了“信息過載”的問題。用戶在尋找滿意的商品上浪費(fèi)了大量的時(shí)間。因此，推薦系統(tǒng)的發(fā)展越來越受到重視。推薦系統(tǒng)能夠根據(jù)用戶的歷史行為和個(gè)人信息為用戶提供合適的商品推薦，幫助提高電子商務(wù)系統(tǒng)的服務(wù)質(zhì)量。
　　 協(xié)同過濾是目前在電子商務(wù)推薦系統(tǒng)中應(yīng)用較為成功的個(gè)性化推薦技術(shù)，它通過共享其他用戶的經(jīng)驗(yàn)幫助目標(biāo)用戶迅速找到自己感興趣

2、的商品或信息。協(xié)同過濾的研究已經(jīng)成為個(gè)性化推薦領(lǐng)域的熱點(diǎn)研究問題。本文所作的主要工作就是協(xié)同過濾算法的改進(jìn)和優(yōu)化。
　　 本文首先介紹了推薦技術(shù)的各種形式。然后重點(diǎn)分析了當(dāng)前協(xié)同過濾算法的研究狀況，對(duì)各種類型的協(xié)同過濾算法做了深入的研究和分析，比較了其各自的特點(diǎn)。
　　 本文的核心研究?jī)?nèi)容是“斜坡算法”（Slope one）的改進(jìn)和優(yōu)化?！靶逼滤惴ā保⊿lope one）是一種基于項(xiàng)目（Item-based）的協(xié)同過濾推

3、薦算法。Slope one具有簡(jiǎn)單和高效的特點(diǎn)，但是忽略了項(xiàng)目評(píng)價(jià)數(shù)目的影響。通過對(duì)其缺點(diǎn)的分析，詳細(xì)探討了它的兩種改進(jìn)方式：加權(quán)Slope one、評(píng)分系數(shù)Slope one（R-Slope one，Rating Slope one）。盡管加權(quán)Slopeone和R-Slope one算法相比Slope one來說有了一定的改進(jìn)，但是這兩種算法仍然存在用戶的針對(duì)性不強(qiáng)等問題?；诖?，本文提出了基于上述二種改進(jìn)的Slope one算法和用

4、戶聚類結(jié)合的混合推薦算法：加權(quán)Slopeone與用戶聚類的混合協(xié)同過濾算法（Weighted Slope one-UserClustering，WSO-UC）、評(píng)分系數(shù)Slope one與用戶聚類的混合協(xié)同過濾算法（Rating Slope one-User Clustering，RSO-UC）。
　　 本文通過兩個(gè)實(shí)驗(yàn)來驗(yàn)證所提出的算法WSO-UC和RSO-UC的性能。一組實(shí)驗(yàn)是將其與Slope one、加權(quán)Slope one