基于资源类时间加权协作过滤算法.docVIP

基于资源类时间加权协作过滤算法 　　摘 要：当前e-Learning作为一种重要的教学方式，对其个性化的要求正在日益提高。针对协作过滤推荐是当今应用最为普遍的个性化推荐算法，而数据的稀疏性和算法的可扩展性一直是协作过滤算法所面临的两大问题，提出基于资源类的时间加权协作过滤算法。该算法不仅降低了数据的稀疏性和维度，缩小了目标用户最近邻的查找范围；而且避免了传统推荐算法中推荐值与用户相似度不密切相关的弊端，提高了最近邻的准确度，推荐精度较以往传统算法有明显提高。 　　关键词：个性化推荐；协同过滤；相似度；聚类 　　中图分类号：TP393文献标志码：A 　　文章编号：1001-3695(2009)06-2107-03 　　doi:10.3969/j.issn.1001-3695.2009.06.032 　　 　　Time weighted collaborative filtering algorithms based on resources category 　　ZHANG Jiong,LI Hua 　　(School of Computer Science, Chongqing University, Chongqing400044, China) 　　Abstract:Currently e-Learning as an important teaching methods,its individual requirements are increasing.Collaborative filtering is the most common application of personalized recommendation algorithm now, but the sparsity of data and the scalability of algorithm has been a collaborative filtering algorithms faced by the two main issues.Proposed a time weighted collaborative filtering algorithm based on resources category,which not only reduced the data sparsity and dimensionality, and narrowed the area of the nearest neighbor, but also avoided the defects of the traditional recommended method.Key words:personalized recommendation;collaborative filtering;similarity;clustering 　　 　　随着Internet的迅速发展和全球对终身教育的需求，以异步教育方式为主要特征的e-Learning正成为Internet上的一种重要应用，同时e-Learning系统的个性化推荐越来越受到重视引起越来越多研究者的关注。个性化推荐是指根据用户的兴趣特点，向用户推荐其感兴趣的信息。目前常用的个性化推荐技术有：协同过滤推荐、基于内容的推荐、基于关联规则的推荐、基于Bayesian网络技术的推荐、基于Horting图技术的推荐。其中协同过滤推荐是目前应用最广泛、最成功的推荐技术。但目前传统协同过滤推荐存在数据高维稀疏和兴趣失效性的问题，往往导致不准确的推荐。?? 　　本文在传统协同过滤算法的基础上，针对当前协同过滤算法所存在的一些问题和不足，同时结合现代e-Learning学习所固有的特征，提出了一种新的基于资源类的时间加权协作过滤算法。通过实验表明，较传统协同过滤算法，该算法在一定程度上解决了存在的问题和不足，提高了资源推荐的准确性。?? 　　 　　1 协同过滤推荐?? 　　 　　协同过滤推荐技术是推荐系统中应用最早和最为成功的技术之一。它一般采用最近邻技术，利用用户的历史喜好信息计算用户之间的距离；然后利用目标用户的最近邻居用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度，系统根据这一喜好程度来对目标用户进行推荐。 　　协同过滤推荐技术是知识获取的一种方式,是从可利用的知识源中抽取形式化知识的过程。协同过滤推荐技术的理论基础是人们的从众行为，主要利用群体的观点为当前活动用户产生推荐项目，其强调一种人与人之间的合作[1]。?? 　　它是基于这样的假设：为一用户找到他真正感兴趣的内容的好方法是首先找到与此用户有相似兴趣的其他用户，然后将他们感兴趣的内容推荐给此用户。其基本思想非