基于遺傳算法的協(xié)同過(guò)濾算法的研究與應(yīng)用.pdf

1、現(xiàn)有的推薦技術(shù)中，協(xié)同過(guò)濾技術(shù)的應(yīng)用最為廣泛，使用的推薦效果也很不錯(cuò)。為了達(dá)到更精確的個(gè)性化推薦，研究者們開(kāi)始了大量的推薦算法混合使用方面的研究，一些比較好的混合算法從不同的角度避免了其他算法單獨(dú)使用時(shí)的缺陷，從而使得綜合性算法表現(xiàn)出更好的特性與效果。
　　本文主要在原有的研究基礎(chǔ)上，對(duì)協(xié)同過(guò)濾算法進(jìn)行了一些改進(jìn)，在將給予內(nèi)容的協(xié)同過(guò)濾和基于矩陣的協(xié)同過(guò)濾算法結(jié)合的基礎(chǔ)之上，引入信任模型進(jìn)行進(jìn)一步的過(guò)濾，同時(shí)采用遺傳算法進(jìn)行特征選

2、取與參數(shù)組合優(yōu)化。論文主要的難點(diǎn)和創(chuàng)新點(diǎn)主要體現(xiàn)在以下幾點(diǎn)：
　　1)User-based、Item-based以及基于矩陣的協(xié)同過(guò)濾算法的結(jié)合。
　　一般的組合直接是加法計(jì)算，本文中的結(jié)合是通過(guò)權(quán)值的方式，這樣可以減小主觀認(rèn)為的片面性，以數(shù)據(jù)說(shuō)話(huà)，通過(guò)權(quán)值獲得最好的效果。
　　2)信任模型的引入。
　　文章在將基于矩陣和基于用戶(hù)和項(xiàng)目的鄰居算法結(jié)合的基礎(chǔ)上引入了信任度模型?；诰仃嚨膮f(xié)同過(guò)濾算法能夠通過(guò)矩陣分解

3、的方式分解出新的特征向量。從這些新的向量又可以分析出一些新的信息。
　　3)遺傳算法的特征選取和參數(shù)組合優(yōu)化。
　　通過(guò)遺傳算法選取用戶(hù)和項(xiàng)目的一特征屬性，本文中的實(shí)驗(yàn)數(shù)據(jù)集是MovieLens，所以就是針對(duì)這其中的數(shù)據(jù)進(jìn)行的項(xiàng)目（影片）和用戶(hù)的特征篩選。
　　文中基于項(xiàng)目和基于用戶(hù)的協(xié)同過(guò)濾算法在結(jié)合時(shí)的參數(shù)如果通過(guò)手動(dòng)測(cè)試找出最佳的組合將會(huì)耗費(fèi)極大的時(shí)間代價(jià)。而遺傳算法在組合優(yōu)化方面的應(yīng)用效果特別突出，因此采用遺傳