基于模糊聚类与资源平滑的协同过滤推荐.pdfVIP

维普资讯 · 情 报 方 法 · 基孑模糊聚类和姿源平滑昀协同边滤推荐* CollaborativeFilteringRecommendationBasedonFuzzyClusteringandItem Smoothing 王惠敏 聂规划 (武汉理工大学经济学院电子商务系 武汉 430070) 摘 要 在分析 目前电子商务推荐 系统及传统的协同过滤推荐存在 问题的基础上，提 出了一种新的电子商务推荐算 法。该算法并l3用客户g-g品的历史评分记录中所隐含 的客户相关信 息和商品相关信 息来为客户推荐商品，并且将模 糊聚类技术运用于商品最近邻居和客户最近邻居的查找。实验结果表明该算法能够提供更好的推荐 ，聚类数对推荐 质量有较大的影响。 关键词 协 同过滤 模糊聚类 推荐系统 基于客户的协同过滤利用客户对商品的历史评分记 1 弓l 言 录，系统采用统计的方法得到具有相似兴趣爱好的邻居客 随着 [nternet的普及，一方面，电子商务的发展正极大 户，根据邻居客户的评分数据向目标客户产生推荐。该算法 地改变着人们的生活，网上购物的经历让人们感受到电子 的不足之处在于大部分的客户只评分 了商品中的极小部 商务带来的惊喜；另一方面，由于供应链和物流的发展 ，电子 分 ，客户间共同评分的商品很少，由此导致难以成功地定位 商务的规模进一步扩大，用户经常会迷失在大量 的商品信 邻居客户 ，影响推荐精度；另一方面在整个客户空间上计算 息空间中，增加了用户购买所需商品的难度 ，用户在找到 自 相似客户群的过程不可避免地成为了算法的瓶颈 。 己需要的商品之前，必须浏览大量的无关信息。为了克服商 基于资源的协同过滤推荐依赖于商品的相似度来决定 品选购的困难，电子商务推荐系统应运而生。 推荐 ，它基于这样一个假设 ：如果大部分客户对一些商品的 电子商务推荐系统是基于可得到的信息资源向客户推 评分 比较相似，则当前客户对这些商品的评分也 比较相似。 荐适合其需要的信息或商品的系统…。该系统最大的优点 算法的不足之处是只能推荐那些和客户当前购买的商品相 在于它能收集客户感兴趣的信息，并根据客户兴趣主动为 类似的商品，不能挖掘客户的潜在兴趣 ，作 出 “跨类型”的推 客户作出个性化推荐。目前几乎所有的大型电子商务网站 荐。 都不同程度地使用电子商务推荐技术。比较成功的系统有： 基于客户的协同过滤和基于资源的协 同过滤算法均是 XeroxPARC研究中心提出的TYPESTRY协同过滤推荐系 基于客户对商品的历史评分记录进行推荐。基于客户的协 统；MIT开发的用于新闻组信息推荐 的GroupLens自动协 同过滤算法仅将相似客户感兴趣的商品推荐给 目标客户， 同过滤推荐系统；BellCore开发的提供电影推荐的协同过滤 而没有考虑到 目标客户已经购买商品的相似商品也可能是 推荐系统；Stanford大学数字图书馆课题组开发的用于Web 该客户感兴趣的。而基于资源的协同过滤算法仅将 目标客 页面推荐的复合型推荐系统 FAB qj。 户已经购买商品的相似商品推荐给该客户，没有考虑到与 本文讨论的协同过滤推荐技术是电子商务推荐系统 中 其拥有共同兴趣爱好的相似客户购买 的商品可能也是该客 最成功的推荐技术之一 ，其最大优点是不需要分析对象的 户感兴趣的。 属性，对推荐对象没有特殊要求 ，能够处理非结构化的复杂 聚类分析是数据处理的一种重要手段 和工具，通过把 对象[4】。协同过滤推荐算法主要有基于客户的协同过滤推 样本按照某种相似性准则划分成各种不 同的类别 ，从而发 荐(User—basedcollaborativefilteringre