新型協(xié)同過濾推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，推薦算法已經(jīng)應用到很多領域，協(xié)同過濾推薦算法是經(jīng)典的、應用廣泛的推薦算法。然而傳統(tǒng)的協(xié)同過濾推薦算法面臨著很多問題,其中最嚴重的是冷啟動問題、數(shù)據(jù)稀疏問題和擴展性問題。本文針對這些問題，對傳統(tǒng)的協(xié)同過濾推薦算法做了一定的改進。
　　本文針對數(shù)據(jù)稀疏性問題，提出了一種基于項目相似度學習的協(xié)同過濾推薦算法。該算法首先根據(jù)項目屬性相似性度量方法計算出所有項目的相似度矩陣，然后選取目標項目的前K個最相似的項目作為其初始鄰

2、近集;再將訓練集中目標項目的評分向量作為期望輸出，目標項目的K個鄰近項目的評分向量輸入到RBF神經(jīng)網(wǎng)絡中進行學習，得到項目相似度訓練模型;再將測試數(shù)據(jù)集中的目標項目的K個鄰近項目的評分向量輸入訓練模型，最后輸出目標項目的預測評分向量。針對新項目冷啟動問題，我們計算出新加入項目與其他項目的屬性相似度，然后取出前K個最相似的項目構成鄰近集并且計算出新加入項目的預測評分向量。最后取出對目標項目評分大于等于3且分數(shù)排在前N位的用戶，并將目標項目

3、推薦給這些用戶。針對數(shù)據(jù)稀疏性和擴展性問題，提出了一種基于社交網(wǎng)絡和標簽的協(xié)同過濾推薦算法。該算法將目標用戶與他的朋友之間的信任度、熟悉度和標簽信息反映的興趣偏好相似度結合起來，計算出與他相似度較高的K個朋友作為鄰居集合，從而為目標用戶推薦喜歡的項目;然后，針對新用戶冷啟動問題，提出了基于樸素貝葉斯算法的模型。它利用樸素貝葉斯算法對訓練集中的用戶進行分類，將新用戶劃分到所屬的類別，即求出新用戶最喜歡的項目類型，然后在這種類型的項目里選擇