基于关联矩阵和学习自动机电影推荐研究.docVIP

基于关联矩阵和学习自动机电影推荐研究 　　摘要：随着技术的进步，用户的需求不断发生着变化,为特定用户推荐其感兴趣或对其有用的产品和服务已经成为一个挑战[1]。该文提出了一种关联矩阵与学习自动机相结合的协同过滤方法，提高预测和推荐的准确性。将关联矩阵引入到相关电影的推荐工作中,定量的计算出电影相关度，用学习自动机进一步优化关联矩阵使之能够更准确的揭示实际中的电影之间的关联，从而提高推荐的准确性。 　　关键词：协同过滤；关联矩阵；学习自动机 　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2012)08-1721-02 　　随着Internet的不断发展,从网络资源中获取信息已成为人们获取信息的重要方式。由于在网络中的信息数量的爆炸性增长，用户很难能够选择其所感兴趣或对其有用的资源[2]。协同过滤[3]是个性化推荐技术之一，在研究和工业中一直都非常有前景。对历史类似用户群体使用协同过滤，对目标用户进行推荐[4]。但是，传统的协同过滤遇到一些限制从而影响其准确性。一个重要限制是数据稀疏问题。另一个重要限制是协同过滤只考虑用户或项目从而限制了推荐质量和协同过滤的适用性。 　　该文从用户和项目的属性为基础计算项目之间的关联矩阵，即项目的相似性计算机制，提出对稀疏用户项目矩阵中的空白元素的预测。实验研究表明[7]，这个方法有助于有效地预测稀疏矩阵中空白的元素，