优化相似度计算在推荐系统中的应用-电子设计工程.PDF

第 卷 第 期 电子设计工程 年 月 优化相似度计算在推荐系统中的应用 唐积益 黄树成 江苏科技大学 计算机科学与工程学院 江苏 镇江 摘要推荐系统技术发展至今产生了许多经典的推荐算法 为了进一步地提高推荐系统的推荐准确度和用户满意 度文章对相似度计算方法进行了研究分析了不同物品的相似权重这个因素对相似度计算准确度的影响对传统的 相似度计算方法进行了优化并且通过实验数据集对推荐结果进行测试实验数据显示优化后的相似度计算方法在 一定程度上提升了推荐系统的推荐准确度 关键词推荐系统协同过滤相似度计算相似权重 中图分类号 文献标识码 文章编号 为了缓解著名的信息超载 问题 推荐系统技术得到 项推荐物品列表 这个推荐列表不会包含当前用户 了快速的发展通常根据产生推荐的策略不同将这些方法分 已经购买的物品 成 大类协同过滤推荐基于内容的推荐和混合推荐方法 以预测用户评分为例 基于用户的协同过滤算法的预测 实际应用中利用到的推荐算法并不单一至少融合了 评分值是通过邻居用户对物品的评分加权求和得到的 而用 两种或两种以上的推荐算法 协同过滤算法作为推荐系统领 户与邻居之间的相似度作为该评分的权重 在基于物品的协 域应用最广泛的推荐算法 几乎在所有的推荐系统中都能够 同过滤中也是类似的计算方法由此可见相似度的计算对预 看到它的影子所以在这些系统中相似度的计算显得尤为重 测值的影响非常重要 而文章的首要目的就是对传统的相似 要相似度计算准确度直接影响了用户对推荐结果的满意度 度计算方法进行分析 常见的相似度计算方法如 相关系数 余弦相似度 相关系数 相关系数在不同的应用环境下都有各自的优缺点因 在推荐系统中为了确定相似用户或者相似物品通用的 此研究系统中潜在的影响相似度计算的因素并且对传统的 方法就是 相关系数 计算方法进行优化 能够缓解这些不利因素对计算结果的影 相关系数取值从 强正相关到 强负相关 也就 响从而提升推荐系统的用户满意度 是 值越接近 就表明相似度越高若是接近 那么