电子商务个性化推荐系统中协同过滤算法分析和应用.pdfVIP

摘要 摘要 随着网络技术的发展和不断完善，电子商务已经覆盖了整个营销网络， 成为一种新的商务通信通道，为了使用户得到更好的购买体验，个性化的推 荐系统渐渐兴起。个性化推荐系统对网站的历史记录进行分析，挖掘用户兴 趣，预测并推荐用户可能感兴趣的商品。协同过滤技术是个性化推荐系统中 较常用的推荐技术，但是随着个性化推荐系统的发展及应用，该技术存在的 稀疏性、冷启动、可扩展性等问题日益成为推荐的瓶颈。 经过深入的研究和分析，本文对传统的协同过滤算法进行了改进。改进 的方法是首先在概念分层技术的基础上，采用项目评分度等概念，对用户． 项目评分矩阵进行缩减，构建用户．项目评分候选集，提高推荐算法的可扩展 性；其次引入“项目客观特征偏向”和“兴趣偏向度”概念，并对稀疏的用 户．项目评分候选集进行更加合理的填充，以缓解数据稀疏性和冷启动问题带 来的影响；最后在预测项目评分时，使用用户对一类项目的评分平均值来度 量用户的评分习惯，提出基于项目类评分尺度的推荐公式，以提高预测准确 性。 经过实验及各评价规则上的测试分析，改进的协同过滤算法较传统协同 过滤算法有更佳的推荐效果。最后本文选择了电子商务个性化推荐系统的典 型案例——图书推荐系统进行开发和实现，将改进的协同过滤算法应用到图 书推荐服务中，进一步核准了此算法的实用性。 关键词：推荐系统；协同过滤；稀疏性；填充； 11 Abstract ———————————————————————————————————————一一一 ABSTRACT withthe and Along ofnetwork deVelopmentperfection has coVeredtheWh01e net、Vork andbecomeanew marketing ch锄elinbusiness commulllcatlon．F。orbetter user Recommendation experience，PersonalizedSvstems rise．Itisusedto gradually user’shistorical analysis records，mineuser，sinterest： and recommendationtot11e proVideprediction user．Collaborative target Filtering isone of吐1ecommon algorithm recommendationbutwiththe teclmologies， and oft11e deVelopment PersonalizedRecommendation application Svstem．these as problems，such sparsi吼c