基于协同过滤的个性化推荐算法研究及实践.pdfVIP

第7卷第2期 石家庄铁路职业技术学院学报 VOL.7 No. 2 2008 年6 月 JOURNAL OF SHIJIAZHUANG INSTITUTE OF RAILWAY TECHNOLOGY Jun . 2 0 0 8 基于协同过滤的个性化推荐算法研究与实践 刘 丹 褚蓓蓓 郑丽娟 （石家庄铁道学院 河北石家庄 050043） 摘要：本设计是在研究协同过滤算法的基础上设计实现一个网上书店系统。该系统实现基于用 户的协同过滤算法和基于项目评分预测的协同过滤算法，并且能够为用户展示个性化推荐的结果。 关键字：协同过滤 算法 个性化推荐 中图分类号：TP18 文献识别码：A 文章编号：1673- 1816(2008)02-0043-06 1 研究背景 Internet 的普及应用为电子商务的蓬勃发展创造了基础条件。电子商务为企业提供了新的商机， 同时也提出了新的挑战。如何使广大客户在信息的海洋中方便、迅速、准确地获得所需的信息成为 互联网企业必须解决的至关重要的问题。个性化推荐技术的开发和利用是解决这个问题的重要途径。 2 研究内容 本设计是在研究协同过滤算法的基础上设计实现一个网上书店系统。该系统实现了基于用户的 协同过滤算法和基于项目评分预测的协同过滤算法，并且能够为用户展示个性化推荐的结果。在此 基础上，认真分析了这两种算法存在的不足，提出一种改进的协同过滤算法，并且采用平均绝对偏 差MAE 作为度量标准对三种算法进行对比测试分析。 2.1基于用户的协同过滤算法 基于用户的协同过滤推荐根据其他用户的观点产生对目标用户的推荐列表。协同过滤推荐系统 使用统计技术搜索目标用户的若干最近邻居，然后根据最近邻居对项目的评分预测目标用户对项目 的评分，产生对应的推荐列表。该算法的推荐过程可分为 3 个阶段：数据表述；发现最近邻居；产 生推荐数据集。 （1）数据表述。用户评分数据可以用一个m n 阶矩阵A （m ，n ）表示，m 行代表m 个用户， n 列代表n 个项目，第i 行第j 列的元素R 代表用户i 对项目j 的评分。用户评分数据矩阵 （如表 1 所示）。 （2 ）发现最近邻居。为了找到目标用户的最近邻居，必须度量用户之间的相似性，然后选择相 似性最高的若干用户作为目标用户的最近邻居。我们采用余弦相似性度量用户i 和用户j 之间的相似 性。将用户评分看作 n 维项目空间上的向量，如果用户对项目没有进行评分，则将用户对该项目的 v v i j 评分设为0 ，设用户i 和用户j 在n 维项目空间上的评分分别为向量 和 ，则用户i 和用户j 之间 收稿日期：2008-04-27 作者简介：刘丹 （1981-），女，河北石家庄人，研究方向计算机应用技术研究。 43 石家庄铁路职业技术学院学报 2008年第2期 的相似性sim （i ，j ）为： v v v v i g j s i m ( i , j ) c o s ( i , j ) v v i g j