電子商務(wù)協(xié)同過濾推薦算法的優(yōu)化研究.pdf

1、在迅猛發(fā)展的開放的網(wǎng)絡(luò)環(huán)境下，基于瀏覽器/服務(wù)器應(yīng)用方式的電子商務(wù)也得到了空前發(fā)展，不出去就可以買到自己想要的商品，這種便利使消費者越來越傾向于網(wǎng)上購物。電子商務(wù)模式顯示了巨大的現(xiàn)代商業(yè)價值。特別是網(wǎng)絡(luò)購物以其便捷，快速的特點成為了人們的一種時尚和潮流。但是人們在享受越來越多的便捷時也面臨著網(wǎng)絡(luò)信息過載的困擾。如何在不斷增長的網(wǎng)絡(luò)信息中準確快速地找到用戶所需要的信息呢，個性化推薦系統(tǒng)的出現(xiàn)解決了這個問題，而協(xié)同過濾推薦系統(tǒng)作為一種個性化

2、推薦系統(tǒng)脫穎而出。但是網(wǎng)絡(luò)數(shù)據(jù)量的不斷增多，協(xié)同過濾推薦系統(tǒng)自身的缺陷逐漸暴露出來，例如稀疏性，冷啟動和時效性等問題。為改善協(xié)同過濾算法本身存在的這些問題，使其推薦效果得到進一步提高，本文對稀疏性、時效性和冷啟動問題進行了優(yōu)化。具體工作的主要包括以下幾方面：
　　協(xié)同過濾推薦算法稀疏性問題和實時性問題優(yōu)化方法：協(xié)同過濾推薦系統(tǒng)是以用戶項目評分矩陣為基礎(chǔ)進行推薦的，矩陣的稀疏性成為影響協(xié)同過濾算法推薦效果的關(guān)鍵問題。針對數(shù)據(jù)稀疏性問

3、題提出了一種基于項目屬性相似性的矩陣填充方法。電子商務(wù)中的商品都存在一些本身的屬性，這些屬性信息之間的相似性可以在線或離線計算出來，通過找到未評分項目的相似鄰居項目，預(yù)測用戶對未評分項目的評分來實現(xiàn)填充，用于解決稀疏性問題。在稠密的矩陣基礎(chǔ)上運用基于用戶的協(xié)同過濾算法實現(xiàn)對目標用戶的推薦。為進一步提高推薦質(zhì)量，最終的推薦中又分析了時效性問題，推薦函數(shù)中加入了時間權(quán)重。
　　協(xié)同過濾推薦算法冷啟動問題優(yōu)化方法：傳統(tǒng)的協(xié)同過濾算法存在

4、冷啟動問題，推薦系統(tǒng)中的新用戶或新項目往往因為缺乏評分信息不能得到有效地推薦，降低了整個系統(tǒng)的推薦質(zhì)量。針對這種情況，提出了基于蟻群算法和結(jié)合用戶或項目內(nèi)容信息的優(yōu)化方法。首先對現(xiàn)有用戶或項目進行聚類，聚類后成為很多個具有相似屬性的聚類簇。新用戶或新項目沒有任何評分的情況下，利用蟻群算法中α和β兩個啟發(fā)式因子的特殊取值結(jié)合新用戶或新項目的內(nèi)容信息找到對應(yīng)的相似簇，根據(jù)所屬類別簇中的平均信息實現(xiàn)對新用戶或新項目的推薦。
　　實驗結(jié)果