基于用戶興趣和領(lǐng)域最近鄰的混合推薦算法研究.pdf

1、面對(duì)大數(shù)據(jù)的時(shí)代，怎么從雜亂無章的信息海洋里準(zhǔn)確的推薦給用戶感興趣的信息，這將是推薦算法研究的主要任務(wù)。最為經(jīng)典的兩個(gè)推薦算法是基于內(nèi)容過濾和協(xié)同過濾推薦算法，但再經(jīng)典的推薦算法也有自己的缺點(diǎn)。數(shù)據(jù)稀疏性和冷啟動(dòng)是協(xié)同過濾推薦算法的主要問題?；趦?nèi)容過濾的推薦算法有一個(gè)比較嚴(yán)重的問題，那就是新用戶問題，因?yàn)樵撍惴ú⑽纯紤]用戶的興趣改變對(duì)推薦效果的影響。當(dāng)系統(tǒng)中新增一個(gè)用戶時(shí)，新增用戶的歷史瀏覽記錄是不存在的，它將無法對(duì)新增用戶做出正確的

2、推薦。
　　針對(duì)這些，本文提出一種結(jié)合了用戶興趣和領(lǐng)域最近鄰的的混合推薦算法(UIDNN)，用于個(gè)性化服務(wù)推薦。首先，考慮用戶的興趣偏好不是永遠(yuǎn)不變的。用戶的興趣偏好隨著時(shí)間的變化跟人類對(duì)于基本事物的遺忘規(guī)律很類似。引入非線性逐步遺忘函數(shù)求取用戶對(duì)商品項(xiàng)目的興趣度。然后根據(jù)用戶-商品屬性標(biāo)簽集合形成用戶-興趣度集合，對(duì)用戶-商品項(xiàng)目評(píng)分集合中未評(píng)價(jià)商品項(xiàng)目采用平均值法進(jìn)行填充、已評(píng)價(jià)商品項(xiàng)目進(jìn)行互補(bǔ)形成用戶-興趣度矩陣，降低了數(shù)據(jù)

3、的稀疏性。其次，引入“屬性領(lǐng)域最近鄰”方法查找目標(biāo)用戶的最近鄰，在查找最近鄰居時(shí)，根據(jù)用戶-興趣度集合去降低算法的在線計(jì)算量。這種做法主要是通過判斷目標(biāo)用戶的鄰居有沒有這個(gè)推薦能力，從而不去考慮那些對(duì)目標(biāo)用戶無推薦能力的用戶。預(yù)測(cè)未評(píng)價(jià)商品評(píng)分，采用用戶-興趣度集合的余弦相似度計(jì)算用戶的相似度;最后把與目標(biāo)用戶相似度大小在前N位的項(xiàng)目推薦給目標(biāo)用戶?；谶@些對(duì)目標(biāo)用戶進(jìn)行推薦。
　　通過實(shí)驗(yàn)，本文提出的基于用戶興趣和領(lǐng)域最近鄰的混