一种优化基于项目评分预测协同过滤算法.docVIP

一种优化的基于项目评分预测的协同过滤推荐算法 　　摘 要：通过分析在用户评分数据极端稀疏的情况下，现有的基于项目评分预测的协同过滤推荐算法中项目之间的相似性度量不准确以及新项目的冷开始问题，提出了一种优化的基于项目评分预测的协同过滤推荐算法。该算法在计算项目之间的相似性时，既考虑了项目的评分相似性，又考虑了项目的特征属性相似性。实验表明，优化后的算法使计算出的项目之间的相似性更准确，并有效地解决了新项目的推荐问题，使得数据稀疏性对推荐结果的负面影响变小，显著提高了系统的推荐质量。?? 　　关键词：推荐系统；协同过滤；属性相似性；评分相似性?? 　　中图分类号：TP311 文献标志码：A 　　 文章编号：1001-3695(2008)09-2658-03 　　??Optimized collaborative filtering recommendation algorithm??based on item rating prediction 　　ZHANG Zhong??ping,GUO Xian??li 　　??(College of Information Science Engineering, Yanshan University, Qinhuangdao Hebei 066004, China) 　　??Abstract:By analyzing the inaccuracy of item similarity and new item recommendation in present collaborative filtering algorithm based on item rating prediction under data sparsity condition,this paper proposed an optimized collaborative filtering ??recommendation?? algorithm based on item rating prediction.This algorithm considered for user rating and item attribute item similarity calculation. The experiment shows that the optimized algorithm makes the similarity between items more accurate and solves the problem of new item recommendation effectively. The algorithm reduces the negative effect on the final recommendation and can provide better recommendation results for the system.?? 　　Key words:recommender system; collaborative filtering; attribute similarity; rating similarity?お? 　　 　　1 协同过滤推荐技术综述?? 　　 　　协同过滤推荐技术是当前最成功的个性化推荐技术[1]。在协同过滤推荐中，用户通过相互协作来选择信息，即依据其他用户对信息作出的评价来挑选信息。协同过滤方法对用户的行为进行分析，并不关心信息的实际内容，系统通过收集用户对信息的评价搜索具有相同兴趣爱好的用户，然后根据具有相同兴趣爱好的用户对信息的评价产生推荐结果。?? 　　协同过滤推荐主要分为基于用户的协同过滤推荐和基于项目的协同过滤推荐。基于用户的协同过滤是根据评分相似的最近邻居的评分向目标用户产生推荐。由于最近邻居对项(电子商务中的商品、电影、音乐等)的评分与目标用户非常相似，因此目标用户对未评分项的评分可以通过最近邻居对项的评分来进行预测。?? 　　为了找到目标用户的最近邻居进行推荐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的最近邻居。计算用户之间相似性的方法主要有：?? 　　a)余弦相似性(cosine)。用户评分被看做是??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评分设为0，用户间的相似性通过向量间的余弦夹角度量。设用户??u和用户v在n??维项目空间上的评分分别表示为向量u和v，则用户u和v??之式中：分子为两个用户评分向量的内积；分母为两个向量模的乘积，夹角越小，相似度越高。 　　基于项目的协同过滤推荐则是基于这样一个假设：如果大部分用户对一些项的评分比较相似