基于粒子群優(yōu)化的項(xiàng)聚類推薦算法研究.pdf

1、隨著網(wǎng)絡(luò)的迅速發(fā)展，各種信息越來(lái)越多的在網(wǎng)絡(luò)上匯集，信息過(guò)載與信息迷失的問題日益嚴(yán)重。電子商務(wù)技術(shù)的發(fā)展，使商務(wù)系統(tǒng)為用戶提供的越來(lái)越多的選擇，網(wǎng)站結(jié)構(gòu)也變得越來(lái)越復(fù)雜，用戶經(jīng)常迷失在大量的商品信息之中，無(wú)法順利的找到自己需要的商品。在這種情況下，Web數(shù)據(jù)挖掘與電子商務(wù)系統(tǒng)的結(jié)合，產(chǎn)生了數(shù)據(jù)挖掘的一個(gè)分支——電子商務(wù)推薦系統(tǒng)。電子商務(wù)推薦系統(tǒng)直接與用戶交互，模擬銷售人員向用戶推薦商品，幫助用戶找到真正需要的商品，而商務(wù)網(wǎng)站可以保持用戶

2、，提高銷售與服務(wù)質(zhì)量。
　　 電子商務(wù)推薦系統(tǒng)因良好的應(yīng)用前景，在理論和實(shí)踐中都得到了很大的發(fā)展，但是隨著商務(wù)規(guī)模的不斷擴(kuò)大，網(wǎng)絡(luò)信息的數(shù)量與商品種類的急速增長(zhǎng)，對(duì)推薦系統(tǒng)提出了嚴(yán)峻的挑戰(zhàn)。針對(duì)電子商務(wù)系統(tǒng)遇到的挑戰(zhàn)，本文對(duì)推薦系統(tǒng)與推薦算法進(jìn)行了研究，提出了基于粒子群優(yōu)化(Particle Swarm Optimization)的項(xiàng)聚類推薦算法。
　　 粒子群優(yōu)化算法是一種演化計(jì)算技術(shù)，它具有簡(jiǎn)單、有效、收斂速度較快、

3、全局搜索能力較強(qiáng)等特點(diǎn)，近年來(lái)受到學(xué)術(shù)界的高度關(guān)注。在以往的基于項(xiàng)目聚類的推薦算法中，多數(shù)都用了K-means算法產(chǎn)生聚類，但是該算法的缺陷是容易陷入局部最優(yōu)，效率不高，而且在推薦系統(tǒng)中遇到相似度衡量不準(zhǔn)確的問題，因此本文引入粒子群算法優(yōu)化聚類過(guò)程，粒子群算法的適應(yīng)度函數(shù)能較準(zhǔn)確的衡量項(xiàng)目之間的相似性，快速找到較優(yōu)的聚類中心。論文在研究的過(guò)程中，分析了推薦算法數(shù)據(jù)集的稀疏性問題，采用項(xiàng)目均值填充的方式降低稀疏性，然后用粒子群優(yōu)化的項(xiàng)聚類