基于协同过滤算法的个性化推荐系统的设计及实施.pdfVIP

2014年第4期安徽电子信息职业技术学院学报No．42014

第13卷(总第73期)JOURNALOFANHUIVOCATIONALCOLLEGEOFELECTRONICSINFORMATIONTECHNOLOGYGeneralNo．73Vo1．13

[文章编号】1671—802X(2014)04—0027—03

基于协同过滤算法的个性化推荐系统的设计及实施

程淑玉

(安徽电子信息职业技术学院，安徽蚌埠233000)

[摘要]Internet的发展导致了信息资源的膨胀，用户希望能通过自动化的工具来发现期望的信息资

源，为了满足用户的这个需求，个性化推荐系统就随之产生了。个性化推荐系统所采用的推荐算法决定了推

荐系统的优劣，本文主要设计了基于协同过滤算法的个性化推荐系统模型，并将该模型应用于相应的网站

中。

[关键词]协同过滤；个性化推荐；网站

[中图分类号]TP311[文献标识码]B

DesignandImplementationofthePersonalizedRecommendationSystemBasedon

圜困固囫程淑玉——基于协同过滤算法的个性化推荐系统的设计及实施第4期

荐、协同过滤(collaborativefiltering)推荐、基于网格三、系统的设计

结构(network—based)的推荐、基于知识推荐、组合推本系统的设计分为离线和在线两个阶段4[1，系

荐及其他推荐。统结构如图1所示：

本文综合分析了以上的推荐算法，结合网站实际r…～一一…一…一～…一-ff‘／-~-………一…～’

I

情况确定采用协同过滤算法来设计个生『化推荐系统。

一、协同过滤算法

协同过滤推荐(CollaborativeFiltering，CF)[21是

在信息过滤和信息系统中一项很受欢迎的技术，它

推进了整个推荐系统的繁荣。协同过滤主要是以属

性或兴趣相近的用户经验与建议作为提供个性化推

荐的基础。其思想借鉴人们在日常选购商品的方法，

如果自己的朋友购买了该商品，那么自己购买该商

品的可能性就会很高。协同过滤首先分析用户兴趣，图1系统结构图

然后将其经验与建议提供给同一用户群中的用户作

为参考，以满足人们在决策之前参考他人意见的心离线阶段由数据预处理和数据挖掘两个模块组

态。该算法与其它算法相比，它的最大优点在于算成，其中数据预处理模块主要对数“字电影网”的

法很简单，易于实现，执行效率高，同时推荐的准确Apache服务器的Log文件进行分析获得预处理过

性相对很高。的数据；数据挖掘模块主要使用聚类技术来分析预

协同过滤技术的实现包括如下3个模块：输入处理过的用户访问数据，得到用户聚类和最近邻居，

用户评价矩阵、邻居的形成和推荐集的产生。输入发现用户的潜在兴趣，生成用户配置文件。

用户评价矩阵R(m，n)，其中m代表用户，n代表项在线部分主要是一个实时的推荐引擎，该引擎

目，R(i,j)代表用户i对项目i的评价。该评价分为首先在线分析用户的访问行为，然后根据当前的用

显式评价和隐式评价两种，利用该评价值计算两个户访问页面序列和用户配置文件执行协同过滤算

用户间的相似度sim(i,j)，得到用户的邻居，邻居关系法，生成推荐页面给服务器，再返回给浏览器，从而

的形成主要寻找最近邻居集，即对每个用户n找到