改進用戶模型的協(xié)同過濾推薦算法.pdf

1、近年來互聯(lián)網(wǎng)的發(fā)展給人們的生活帶來了很大變化，特別是現(xiàn)在Web2.0方式下人們有了更豐富方便的網(wǎng)上生活，而作為互聯(lián)網(wǎng)主力軍的電子商務網(wǎng)站也是趕著互聯(lián)網(wǎng)大潮不斷地上升發(fā)展。電子商務網(wǎng)站中推薦系統(tǒng)的應用，在模擬用戶購物習慣，幫助用戶個性化推薦可能喜歡的商品的同時，提高了電子商務企業(yè)的盈利能力，也緩解了用戶面對大量商品信息產(chǎn)生的信息過載困擾，提升了用戶的網(wǎng)上購物體驗。目前對于推薦系統(tǒng)和技術的研究應用在電子商務發(fā)展的良好形勢下，倍受電子商務企業(yè)

2、和領域內研究學者的關注。
　　 個性化推薦的研究，其核心任務是對推薦算法的改進創(chuàng)新。目前的研究主要集中于對已有主流算法的缺點的克服改進、新技術的引入、算法對不同應用環(huán)境的適用以及組合技術等方面，主要有協(xié)同過濾、基于內容、基于知識發(fā)現(xiàn)、基于交互、組合等一些推薦算法，其中協(xié)同過濾推薦作為推薦應用最廣泛和成功的技術，一直是國內外學者和研究人員的研究的熱點，且在克服算法不足和改進算法質量上也取得了不少的成果。
　　 本文在對各種

3、主要推薦算法的理解和比較的基礎上，著重研究了協(xié)同過濾算法，提出了改進用戶模型的協(xié)同過濾推薦算法。該算法首先考慮了用戶評分習慣不同在表達喜好時產(chǎn)生的評分差異，采取了去耦合的歸一化方法對用戶評分數(shù)據(jù)進行了歸一化處理，以減少用戶評分習慣不同對依據(jù)評分探索用戶真實興趣偏好結果的影響；其次考慮了用戶興趣隨著時間遺忘偏移，使用遺忘函數(shù)模擬了評分的遺忘規(guī)律，對用戶評分引入時間遺忘的權值，以提高推薦準確性；最后在計算最近鄰居集合時對相似度計算進行了改進