一种面向用户偏好定向挖掘的协同过滤个性化推荐算法.docxVIP

一种面向用户偏好定向挖掘的协同过滤 个性化推荐算法* 王伟军 宋梅青 (华中师范大学信息管理学院 武汉 430079) (华中师范大学青少年网络心理与行为教育部重点实验室 武汉 430079) 摘要: 【目的】解决协同过滤推荐的可扩展性问题和数据稀疏性问题。【方法】提出一种面向用户偏好定向挖掘 的协同过滤算法。该算法以时间为约束, 第一阶段先寻找基于项目的弱相似用户; 第二阶段基于用户关联性和属 性相似性进行定向挖掘, 形成推荐集合。【结果】实验结果表明, 新算法的时间复杂度降低一个数量级, 并且数 据越稀疏, 推荐精度的领先优势越大。【局限】该算法基于用户已表现出的偏好进行深度推荐, 对未表现出的其 他偏好暂未涉及。【结论】该算法在提升可扩展性的同时, 对数据稀疏性也有很强的适应能力。 关键词: 协同过滤 用户偏好 个性化推荐 推荐算法 分类号: G202 1 引 言 协同过滤是个性化推荐系统的主流技术之一, 最 早用于邮件过滤和新闻推荐, 后广泛应用于电子商务 领域。目前, 亚马逊、eBay、淘宝、京东等都在使用 协同过滤技术进行商品的个性化推荐。不仅如此, 众 多视频网站, 如: Hulu、YouTube、Netflix 等也利用协 同过滤推荐来提升服务质量[1]。社交网站 Facebook 还 运用协同过滤技术实现了广告的个性化展示。商业应 用的巨大成功