综合用户和项目预测的协同过滤模型.docVIP

综合用户和项目预测的协同过滤模型 　　摘要：针对基于用户和基于项目的协同过滤模型存在推荐质量不高等问题，提出一种综合用户和项目预测的协同过滤模型该模型同时考虑用户和项目两方面，首先对性能优秀的相似性模型进行自适应的优化；然后根据相似性值分别选取相似用户和相似项目为目标对象构造近邻集合，并利用预测函数得到基于用户和基于项目的预测结果；最后通过自适应平衡因子的协调处理获得最终预测结果比较实验在不同的评估标准下进行，结果表明，与目前典型的模型如RSCF、HCFR和UNCF相比，新提出的协同过滤模型不仅在项目预测准确性方面拥有出色的表现，而且在推荐准确性和全面性方面同样表现优秀 　　关键词：推荐系统； 协同过滤； 近邻集合； 相似性模型； 平均绝对偏差 　　中图分类号：TP311.13 文献标志码：A 　　0引言 　　目前推荐系统的应用领域已非常广泛，尤其是Web 2.0技术的成熟，推荐被作为一个独立的概念提出来并得到深入研究[1]根据推荐信息产生原理的不同，推荐模型可以分为多种[2-5]，其中研究最为深入并取得长足进展的是协同过滤推荐模型，它开始于1992年提出的Goldberg系统，目前已在各大推荐系统中得到广泛应用[6]这主要是由于它能够利用各种性能优秀的相似性分析技术来更好地寻找与目标用户有着相同或者相似兴趣爱好的用户，然后根据这些用户的兴趣爱好来向目标用户进行信