基于产品分类的协同过滤算法应用研究.pdfVIP

第２９卷第４期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．４ ２０１２年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１２ 基于产品分类的协同过滤算法应用研究 王　松　徐德华 （同济大学管理科学与工程系　上海２０００９２） 摘　要　　为了解决稀疏性问题和可扩展性问题，提高推荐的质量，在传统协同过滤算法的基础上，引入产品分类技术与Ｗｅｂ使用 挖掘技术。在详细阐述算法的基础上，通过实验数据验证该算法的推荐性能。实验结果表明，引入产品分类和Ｗｅｂ使用挖掘技术 后，协同过滤算法的性能有了显著的提高，很好地改善了其稀疏性问题和可扩展性问题。 关键词　　协同过滤　推荐系统　Ｗｅｂ使用挖掘　聚类分析 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ ＰＲＯＤＵＣＴＴＡＸＯＮＯＭＹＢＡＳＥＤＣＯＬＬＡＢＯＲＡＴＩＶＥＦＩＬＴＥＲＩＮＧ ＡＬＧＯＲＩＴＨＭＡＰＰＬＩＣＡＴＩＯＮＲＥＳＥＡＲＣＨ ＷａｎｇＳｏｎｇ　ＸｕＤｅｈｕａ （ＤｅｐａｒｔｍｅｎｔｏｆＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＴｏｎｇｊｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００９２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｒｅｍｅｄｙｔｈｅｓｐａｒｓｉｔｙａｎｄｓｃａｌａｂｉｌｉｔｙｗｅａｋｎｅｓｓｅｓａｎｄｉｍｐｒｏｖｅｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｑｕａｌｉｔｙ，ｂａｓｅｄｏｎｃｏｎｖｅｎｔｉｏｎａｌ ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓ，ｐｒｏｄｕｃｔｔａｘｏｎｏｍｙａｎｄｗｅｂｕｓａｇｅｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓａｒｅｉｎｔｒｏｄｕｃｅｄ．Ａｆｔｅｒｅｌａｂｏｒａｔｉｎｇｔｈｅａｌｇｏｒｉｔｈｍｉｎ ｄｅｔａｉｌ，ｗｉｔｈｅｘｐｅｒｉｍｅｎｔａｌｄａｔａｔｈｅａｌｇｏｒｉｔｈｍ’ｓｒｅｃｏｍｍｅｎｄａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｉｓｖａｌｉｄａｔｅｄ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆ ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｄａｎｄｍｅａｎｗｈｉｌｅｔｈｅｓｐａｒｓｉｔｙａｎｄｓｃａｌａｂｉｌｉｔｙｗｅａｋｎｅｓｓｅｓａｒｅｇｒｅａｔｌｙｒｅｍｅｄｉｅｄｂｙｔｈｅ ｕｔｉｌｉｚａｔｉｏｎｏｆｐｒｏｄｕｃｔｔａｘｏｎｏｍｙａｎｄｗｅｂｕｓａｇｅｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ　Ｗｅｂｕｓａｇｅｍｉｎｉｎｇ　Ｃｌｕｓｔｅｒａｎａｌｙｓｉｓ 式，预测用户的浏览行为的过程［７］。Ｗｅｂ使用挖掘的步骤主要 ０　引　言 包括数据预处理、模式发现和模式分析。由于本地缓存、代理服 务器和防火墙的存在，使得Ｗｅｂ日志中的数据并不精确，因此 协同过滤算法是推荐系统中最常用的一种推荐算法，其主 需要对日志进行数据预处理，包括数据净化、用户会话和事务识 要是通过分析用户之间的兴趣相似性进行项目的推荐［１，３］。协 别。在模式发现阶段，利用统计法、机器学习法等技术从 Ｗｅｂ 同过滤算法的基本假设是用户可以通过评分来反映其对项目的 使用记录中挖掘有用的信息和知识。模式分析是采用合适的技 兴趣，并且用户对未知项目的评分可由与其兴趣相似的若干用 术和工具，进行模式的分析来辅助分析人员理解。Ｗｅｂ使用挖 户（最近邻）的评分推导出来。 掘主要应用在个性化推荐、系统改进和商务智能方面。 随着协同过滤算法在实践中的广泛应用，暴露