基于内容预测的协同过滤推荐.pdfVIP

计算机科学2005Vo1.32NQ.8(增刊) 基于内容预测的协同过滤推荐 CollaborativeFliteringRecommendationBasedonContentPrediction 孙铁利 杨 竣 邱春艳 (东北师范大学计算机学院 长春130117) AbstractRecommendationsystemisoneo#themostimportanttechnologiesinE-commerce.Withthedevelopment ofE-commerce,themagnitudesofusersandcommoditiesgrowrapidly,resultedintheextremesparsityofuserrat- ingdata.Traditionalsimilaritymeasuremethodsworkpoorinthissituation,makethequalityofrecommendation systemdecreaseddramatically.Toaddressthisissueanovelcollaborativefilteringbasedoncontentpredictionis proposed,thismethodcanefficientlyimprovetheextremesparsityofuserratingdata,andbetterrecommendation resultsthantraditionalcollaborativefilteringalgorithms. KeywordsRecommendationsystem,Filteringbasedoncontent,Collaborativefiltering 搜索目标用户的若干最近邻居，然后根据最近邻居 1 引言 对项目的评分预测目标用户对项目的评分，产生对 随着互联网的普及和电子商务的发展，推荐系 应的推荐列表。 统逐渐成为电子商务技术的一个重要研究内容，越 用户评分数据可以用一个mXn阶矩阵A(m, 来越多地得到研究者的关注。目前，几乎所有大型 n)表示，m行代表m个用户，n列代表n个项目，第 的电子商务系统，如Amazon,CDNOW,eBay，当当 i行第I列的元素R;,j代表用户i对项目j的评估 网上书店等，都不同程度地使用了各种形式的个性 数值，评估值与项的内容有关，如果项是电子商务中 化推荐系统。 的货品，则表示用户订购与否同，例如1表示订购，0 目前个性化推荐算法主要分为:基于内容过滤 表示没有订购;如果项是Web文档，则表示浏览与 推荐和协同过滤推荐两大类。基于内容过滤通过 否，用户对他的兴趣有多高，这样的评估值可能的几 “资源二用户”关系，利用信息资源与用户兴趣之间相 个等级如1-5等。用户评分数据矩阵如图1所示。 似性来过滤信息，把符合用户兴趣的新的资源推荐 给用户。其优点是简单有效，缺点是无法区分具有 Item, Itemk Item, 相同特征的不同对象的质量。另外，基于内容过滤 User, R,,, R,,K / 不能为用户发现新的感兴趣的资源，只能发现和用 User; Ri，1 / R,,, 户兴趣相似的资源。 协同过滤推荐是至今为止最成功的个性化推荐 User, / R.:,k R... 技术，被应用到很多领域中。协作过滤分析用户兴 趣，在用户群中寻找与指定用户的相似(兴趣)用户， 图1用户一一项目评分数据矩