综合用户偏好和优先新品推荐的协同过滤算法.PDFVIP

第３１卷第１０期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．１０ ２０１４年１０月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｏｃｔ．２０１４ 综合用户偏好和优先新品推荐的协同过滤算法 吴　杰　冯　锋 （宁夏大学数学计算机学院　宁夏银川７５００２１） 摘　要　　协同过滤算法是电子商务推荐系统中最重要的技术之一，基于传统的协同过滤推荐技术并未考虑到新商品有更多的推 荐价值。提出一种改进策略，运用矩阵分解ＳＶＤ算法、余弦相似性，将具有共同兴趣的用户聚簇分组，提取组内用户评价产品的特 征向量，运用ＢＰ神经网络进行训练，预测用户组对未知产品的满意度。对于满意的新产品赋予较高的推荐等级，进行优先推荐。 同时，也有效弥补了在传统的协同过滤算法中普遍存在着的冷启动、矩阵稀疏等问题。 关键词　　协同过滤　矩阵分解ＳＶＤ　余弦相似性　ＢＰ神经网络 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．１０．０６９ ＡＣＯＬＬＡＢＯＲＡＴＩＶＥＦＩＬＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＩＮＣＯＲＰＯＲＡＴＩＮＧＵＳＥＲＳ ＰＲＥＦＥＲＥＮＣＥＡＮＤＲＥＣＯＭＭＥＮＤＩＮＧＮＥＷＰＲＯＤＵＣＴＳＦＩＲＳＴ ＷｕＪｉｅ　ＦｅｎｇＦｅｎｇ （ＣｏｌｌｅｇｅｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ７５００２１，Ｎｉｎｇｘｉａ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｔｅｃｈｎｏｌｏｇｉｅｓｉｎｅｃｏｍｍｅｒｃｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ，ｂｕｔ ｔｒａｄｉｔｉｏｎｂａｓｅｄｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｒｅｃｏｍｍｅｎｄａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｄｏｅｓｎｏｔｔａｋｅｉｎｔｏａｃｃｏｕｎｔｔｈｅｎｅｗｇｏｏｄｓｔｈａｔｈａｖｅｍｏｒｅｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｖａｌｕｅｓ．Ｉｎｔｈｉｓｐａｐｅｒｗｅｐｒｏｐｏｓｅａｎｉｍｐｒｏｖｅｄｓｔｒａｔｅｇｙ，ｗｈｉｃｈｕｓｅｓｍａｔｒｉｘｄｅｃｏｍｐｏｓｉｔｉｏｎＳＶＤａｌｇｏｒｉｔｈｍａｎｄｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙｔｏｇｒｏｕｐｕｓｅｒｓ ｃｌｕｓｔｅｒｉｎｇｗｉｔｈｃｏｍｍｏｎｉｎｔｅｒｅｓｔｓａｎｄｔｏｅｘｔｒａｃｔｔｈｅｅｉｇｅｎｖｅｃｔｏｒｏｆｐｒｏｄｕｃｔｓｔｏｂｅｅｖａｌｕａｔｅｄｂｙｔｈｅｕｓｅｒｓｉｎｇｒｏｕｐ．ＢｙｕｓｉｎｇＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ ｆｏｒｔｒａｉｎｉｎｇ，ｉｔｐｒｅｄｉｃｔｓｔｈｅｓａｔｉｓｆａｃｔｉｏｎｏｆｕｓｅｒｓｇｒｏｕｐｏｎｕｎｋｎｏｗｎｐｒｏｄｕｃｔｓ．Ｆｏｒｔｈｏｓｅｓａｔｉｓｆｉｅｄｎｅｗｐｒｏｄｕｃｔｓｉｔａｓｓｉｇｎｓｈｉｇｈｅｒｒｅｃｏｍｍｅｎｄｉｎｇ ｇｒａｄｅ，ａｎｄｇｉｖｅｓｔｈｅｐｒｉｏｒｉｔｙｔｏｒｅｃｏｍｍｅｎｄｉｎｇｔｈｅｍ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅｓｔｒａｔｅｇｙｅｆｆｅｃｔｉｖｅｌｙｍａｋｅｓｕｐｔｈｅｐｒｏｂｌｅｍｓｏｆｃｏｌｄｓｔａｒｔａｎｄｓｐａｒｓｅ ｍａｔｒｉｘ，ｅｔｃ．ｃｏｍｍｏｎｌｙｅｘｉｓｔｅｄｉｎｔｒａｄｉｔｉｏｎａｌｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ　ＭａｔｒｉｘｄｅｃｏｍｐｏｓｉｔｉｏｎＳＶＤ　Ｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙ　ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓ 泛和最为成功的个性化推荐技术。传统的协同过滤推荐算法分 ０　引　言 为基于项目的协同过滤和基于用户的协同过滤。基于项目的协 同过滤推荐算法根据用户对相似产品的评分，预测该用户对目 电子商务