关于符号数据的群组推荐算法研究.pdf

摘要 当今随着互联网电子商务的飞速发展，推荐系统己成为目前已经成为各大互 联网及电子商务公司不可或缺的信息服务平台。与被广泛研究的个体推荐算法相 比，关于群组推荐领域的研究仍很不深入。考虑到符号数据分析作为一种新兴的 从海量数据中发掘系统知识的理论和方法，及其所具有的从整体上把握样本属性 的优势，本论文旨在利用符号数据分析的方法，对群组推荐算法进行较为深入的 研究。 论文主要考虑将两种常用的符号数据一一分布式符号数据和区间型符号数 据，应用于群组推荐算法的研究之中。首先研究了将分布式符号数据应用于基于 项目的协同过滤群组推荐算法，对群组兴趣模型进行了分布式符号数据描述，改 进现有的欧式距离公式得到群组兴趣模型之间的相似度并以此得到推荐结果。然 后研究了将区间型符号数据应用于群组推荐算法，给出了一般分布区间型符号数 据的定义及基本统计量描述，并运用一种新的区间型符号数据距离度量，提出一 般分布的区间型符号数据k均值聚类算法，并以此给出基于区间型符号数据K 均值聚类方法的群组推荐算法。分别通过实例，对这两类算法和基于点数据的推 荐算法的推荐精度和推荐效率进行比较，并进一步的对这两类基于符号数据的推 荐算法在推荐质量及应用领域上进行了对比分析。 研究表明，基于符号数据分析的群组推荐算法能有效改善点数据推荐算法中 存在的可扩展性等问题，并能把握群组整体兴趣。 关键同： 群组推荐；符号数据分析；协同过滤；聚类分析 ABSTRACT the ot and Withthe ofe．commercerapidpopularization development rapid becomean informationservlce has indispensable Intemet．recommend system withthe ande．commerce now．Compared theIntemet company platf0珊for of hasbeen studied，thestudy which widely individualrecommendation algorithm Data isstillnot Analysis recommendation verydeeply．Symbolic group algorithm informationand from amethod and useful knowledge (SDA)is analyzinggleaning characteristicsatwhole SDAmethodcan thedata