推薦系統(tǒng)中協(xié)同過濾算法的改進(jìn)與研究.pdf

1、隨著電子商務(wù)的蓬勃發(fā)展，以客戶為中心的客戶關(guān)系代替了傳統(tǒng)的以商品為中心的關(guān)系，客戶成為電子商務(wù)的主體，企業(yè)如何吸引和留住顧客并且為客戶提供更好的服務(wù)是目前的關(guān)鍵任務(wù)，因此智能化的推薦系統(tǒng)成為解決電子商務(wù)中這些問題的重要方法。推薦系統(tǒng)根據(jù)用戶的購物歷史為用戶提供下一步可能的購物動態(tài)，中國的大多數(shù)網(wǎng)站具有簡單的推薦作用。
　　協(xié)同過濾算法是目前研究最多、應(yīng)用范圍最廣的推薦算法，協(xié)同過濾算法的基本思想是為特定用戶找到具有相似興趣的用戶群

2、體，根據(jù)群體的愛好為特定用戶進(jìn)行推薦。在我們的日常生活中，我們的很多選擇往往會參考親朋好友或是與自己有相同興趣愛好的群體，往往會聽從他們的推薦和建議。協(xié)同過濾算法就是將這一思想運(yùn)用到電子商務(wù)推薦中，基于其他用戶對某一項(xiàng)目的評分來向目標(biāo)用戶進(jìn)行推薦。但是仍面臨著數(shù)據(jù)稀疏、冷啟動等問題，因此本文對傳統(tǒng)的協(xié)同過濾的算法進(jìn)行了改進(jìn)。
　　論文的研究工作得到了國家自然科學(xué)基金項(xiàng)目(No.61172072、61271308)、北京市自然科學(xué)基

3、金項(xiàng)目(No.4112045)和高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(No.20100009110002)的支持。論文的主要工作和貢獻(xiàn)包括以下幾個方面:
　　首先，對推薦系統(tǒng)進(jìn)行了簡單介紹，包括概念、構(gòu)成、分類及實(shí)際中經(jīng)常用到的推薦方法。詳細(xì)解釋了協(xié)同過濾算法，包括基本思想、分類情況、算法步驟、優(yōu)勢、評價指標(biāo)、存在的主要問題以及解決方法。
　　其次，為了解決協(xié)同過濾算法尋找最近鄰居用戶集合的問題。參考了前人將人工免疫系統(tǒng)引入到協(xié)同

4、過濾的算法，并且在此基礎(chǔ)上充分考慮了用戶評分偏好對推薦質(zhì)量的影響。免疫系統(tǒng)中抗原、抗體的選擇過程類似于協(xié)同過濾算法中為目標(biāo)用戶尋找最近鄰居集和這一過程，同時結(jié)合了用戶偏好因子，并且二次迭代了免疫過程，可以提供更為精確的鄰居用戶集合，從而提出了基于用戶偏好的人工免疫推薦算法。但考慮到該算法不能解決推薦系統(tǒng)新用戶冷啟動的問題，在充分挖掘用戶個人信息的基礎(chǔ)上，經(jīng)過對相似性計算公式的進(jìn)一步改進(jìn)，最終得到基于用戶注冊信息和用戶偏好的免疫推薦算法。