基于Vague集内容算法研究.docVIP

基于Vague集内容算法研究 　　摘 要:针对内容推荐系统中商品特征表示的困难,将Vague集方法引入到这一领域,并利用高斯函数和Vague集中未知度的一些性质,将商品的特征用Vague值形象地表示;在此基础上给出了运用Vague集方法进行内容推荐的一般步骤,为推荐系统的设计者提供了一种新的指导思想和方法;最后给出了多个推荐公式,并对各式进行了简单的比较,这将有利于实际推荐工作中酌情选择不同的推荐公式,提高商品推荐质量和推荐精度。 　　关键词:推荐系统; Vague集; 相似度; 基于内容推荐 　　中图分类号:TP311文献标志码:A 　　文章编号:1001-3695(2010)06-2109-03 　　doi:10.3969/j.issn.1001-3695.2010.06.033 　　 　　Research on content??based recommendation based on Vague sets 　　 　　 CUI Chun??sheng, WU Qi??zong 　　 　　(School of Management Economics, Beijing Institute of Technology, Beijing 100081, China) 　　 　　Abstract:Focused on the trouble of the features representation of merchandise in content??based recommendation system, this paper used the theory of Vague sets, Gaussian function and characteristics of uncertainty to represent features with Vague ??value??. On this basis, gave the general steps of content??based recommendation with Vague sets, in order to get a new idea and method to recommender systems designers. Finally, gave some recommender formula with different features, which would be conducive to the work of the actual recommendation. Select different formula according different condition will improve the quality and accuracy of the recommendation. 　　Key words:recommender systems; Vague sets; similarity; content??based recommendation 　　 　　0 引言 　　随着电子商务技术的不断发展,推荐系统因其解决信息超载方面独有的强大功能而备受关注。推荐系统的研究在20 世纪90 年代被作为一个独立的概念提出[1,2]并逐渐成为一门独立的学科。所谓推荐系统是指利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品, 模拟销售人员帮助客户完成购买过程。推荐系统在网络经济环境下不仅可以将电子商务系统的浏览者转变为购买者、促进产品交叉销售能力,还可以提高客户的忠诚度,这在市场竞争日趋激烈的今天显得尤为重要。推荐系统中推荐功能的实现主要基于系统中采用的推荐方法,可以说推荐方法的选择与设计是实现推荐功能的重点所在。目前主流的推荐方法包括基于内容的推荐、协同过滤推荐、基于知识推荐和组合推荐四种。其中基于内容推荐是指根据用户选择的对象,基于对象特征以及顾客历史购买行为或者顾客偏好评分等为用户推荐其他类似属性的对象。相对协同过滤推荐算法,基于内容的推荐系统的研究略显滞后,一方面是因为协同过滤算法产生较早,并取得了良好的推荐效果;另一方面是因为基于内容的推荐系统中特征提取问题一直是困扰学者的一个难点。传统的基于内容推荐系统难以区分商品信息的品质和风格,而且不能为用户发现新的感兴趣的商品,只能发现和用户已有兴趣相似的商品。近几年,内容推荐算法出现了一些新的研究思路和方法,如Mooney以及Pazzani等人[3,4]将贝叶斯分类算法引入到内容推荐;Mostafa等人[5]将神经网络引入到内容推荐;Zenebe等人[6]将模糊数学方法应用于基于内容的产品推荐;Soml和Zhang Yi等