改進(jìn)型協(xié)同過(guò)濾推薦算法研究.pdf

1、電子商務(wù)的蓬勃發(fā)展改變了用戶傳統(tǒng)的購(gòu)物模式，網(wǎng)上購(gòu)物模式相比傳統(tǒng)的購(gòu)物模式更加快捷方便，但同時(shí)也面臨著互聯(lián)網(wǎng)信息過(guò)載的問(wèn)題，商品信息過(guò)載要求用戶在海量的商品信息中尋找到自身感興趣的商品，這就極大的降低了用戶的購(gòu)物效率。因而，這也成為了當(dāng)今電子商務(wù)中急需解決的重大問(wèn)題之一。
　　個(gè)性化推薦系統(tǒng)根據(jù)用戶的個(gè)性特征，為用戶定制個(gè)性化的推薦服務(wù)，使用戶更加快捷方便地獲取到所感興趣的東西，而個(gè)性化推薦算法是系統(tǒng)中最核心的部分。目前，個(gè)性化協(xié)

2、同過(guò)濾推薦算法是應(yīng)用與研究最為廣泛的推薦算法，但該算法自身存在著諸如用戶評(píng)分?jǐn)?shù)據(jù)稀疏和新用戶加入時(shí)冷啟動(dòng)等問(wèn)題，所以，現(xiàn)今對(duì)協(xié)同過(guò)濾推薦算法的研究也都主要是圍繞著這兩個(gè)問(wèn)題進(jìn)行。
　　本文的主要工作有以下幾個(gè)方面:
　　(1)針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法中目標(biāo)用戶的評(píng)分預(yù)測(cè)過(guò)于依賴鄰近用戶，而忽略目標(biāo)用戶自身的評(píng)分特性，本文提出了一種基于RBF徑向基神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法。
　　(2)傳統(tǒng)的協(xié)同過(guò)濾推薦算法中的相似度計(jì)算方法

3、在評(píng)分?jǐn)?shù)據(jù)稀疏的情況下易造成偶然性的誤差，本文采用了一種有效的相似度計(jì)算方法，在原有相似度計(jì)算的基礎(chǔ)上加入用戶間共同評(píng)分項(xiàng)目數(shù)占兩個(gè)用戶均有過(guò)評(píng)分的項(xiàng)目總數(shù)量的比，進(jìn)一步提高相似度的計(jì)算精度。
　　(3)針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法中單純的使用基于用戶協(xié)同過(guò)濾或者使用基于項(xiàng)目的協(xié)同過(guò)濾進(jìn)行計(jì)算，而未把兩者綜合起來(lái)共同考慮的問(wèn)題，本文采用了一種用戶-項(xiàng)目混合的協(xié)同過(guò)濾推薦算法，把基于用戶的協(xié)同過(guò)濾和基于項(xiàng)目的協(xié)同過(guò)濾通過(guò)比例因子進(jìn)行聯(lián)