基于项目相似度改进的协同过滤TopN推荐算法研究-计算机技术专业论文.docxVIP

摘 摘 要 摘 要 随着互联网、物联网以及云计算等技术地快速发展，我们的生活也发生了翻 天覆地的变化。我们在享受先进技术带来的便捷的同时，也承受着它们所带来的 负面影响，信息过载就是其中之一。针对信息过载问题，早期主要有分类目录与 搜索引擎两种解决方法，但均有其局限性，分类目录只能覆盖少数项目，相对于 海量项目来说远远不够；搜索引擎则需要有明确需求，无法满足用户的个性化需 求。为了更进一步解决信息过载这一难题，研究人员提出了推荐系统概念。 推荐系统通过对用户历史行为地分析，发掘出用户潜藏的兴趣喜好，并且能 够实现对用户的个性化推荐。推荐系统的核心部分就是推荐算法，现今在实际系 统中运用最为广泛的算法就是协同过滤推荐算法。但是，随着推荐系统的进一步 应用，传统的协同过滤推荐算法存在的诸如冷启动、数据稀疏性、推荐精度低、 长尾项目发掘能力低等问题，使其不再满足实际应用需求。目前针对推荐系统的 研究十分火热，不过相当多的研究工作主要将焦点放在如何提高推荐的准确度上， 虽然取得了一定成果，但是无法兼顾推荐结果的新颖度，导致推荐新颖度仍处于 比较低的水平。 本文提出了基于项目相似度改进的协同过滤TopN推荐算法，该算法主要研究 目的在于增强长尾项目发掘能力的同时，不降低推荐结果的精度。主要工作包括： 1．分析用户活跃度对推荐结果的影响，引入用户活跃度概念，削弱活跃用户 对推荐结果的影响，提高长尾项目的发掘能力，提高推荐结果的覆盖率。 2．分析项目种类对推荐结果的影响，对相似度矩阵进行归一化处理，削弱同 类项目只见相似度过高对推荐结果的影响，提高推荐结果的精度，增强推荐结果 的可靠性。 3．采用推荐领域经典的MovieLens数据集对改进算法进行分步仿真，验证改 进算法每一步骤的有效性。 图11表8参51 关键词：协同过滤；项目相似度；用户活跃度；新颖度 分类号：TP391．3 万方数据 摘 摘 要 Abs仃act With the advent of the Intemet,rapid development of networking and cloud computing technology,our life also occurred in the earth shaking changes．We enjoy advanced technology brings convenient at the SalTle time，but also bear the they bring negative influence，information overload is one of them．To solve the problem of information overload early mainly classified directory and search engine two solutions， but has its OWll limitations，classified catalogue Can only cover a small number of projects，埘m respect to the massive project is far from enough；search engine needs to have a clear demand,unable to meet the user’s individual needs．In order to further solve the problem of information overload，the researchers put forward to promote The concept of recommender system． Recommendation system，through the analysis of user behavior,dig out the hidden user preferences， and to realize the user personalized recommendation． Recommend the core part of the system is the recommended algorithm，now in the actual system use the most widely used algorithm is the collaborative filtering recommendation algorithm．But诵m the further application of recommender systems， the traditional col