电子商务推荐系统中协同过滤技研究.pdfVIP

摘要 摘 要 个性化推荐系统在电子商务领域具有良好的应用前景，是电子商务技术中 重要的研究内容。推荐系统通过预测用户的喜好对用户做出推荐，为用户进行 信息过滤。协同过滤是经常被采用的解决信息过载问题的方法，是个性化推荐 的主要方法之一。传统的协同过滤主要存在着：精确性、数据稀疏与冷启动的 问题。 本文首先介绍了电子商务与电子商务中个性化推荐的相关概念，接着对传 统协同过滤方法中存在的问题进行进一步的分析，在分析的基础上，对传统协 同过滤方法提出相应的改进方法。 传统协同过滤算法在构建用户评估矩阵时，对用户未评分的项目简单填充 固定值。本文利用电子商务系统中商品属于不同层次的特点，通过计算商品所 属层次的RF／IRF值，将RF／IRF值高层次中商品填入特定值。从而在一定程度 上解决数据稀疏性和冷启动问题。通过对传统协同过滤项目推荐公式的扩展， 不再局限于最近邻居用户对某个商品的评价，而是将所有用户评价整体考虑到 推荐当中。对于协同过滤技术面临的扩展性问题，对Sarwar等人提出的基于奇 异值分解的协同过滤进行改进。最后通过实验，分析新提出的算法在各个评价 指标上的表现。 本文还将新提出的算法应