当前位置：首页> 基于近邻评分预测的协同过滤推荐算法

基于近邻评分预测的协同过滤推荐算法

时间：下载该word文档

龙源期刊网http://www.qikan.com.cn
基于近邻评分预测的协同过滤推荐算法
作者：颜龙杰
来源：《软件》2013年第08期
摘要：随着用户数量和网站提供的服务种类的不断增加，这些网站都面临着怎样更精准的给自己的用户推荐他们可能感兴趣的东西。传统的在用户—项目评分矩阵上计算项目之间相似性的方法不够精确，而且当用户—项目评分矩阵很稀疏的时候误差很大甚至无法处理。文中在项目评分相似性计算中考虑了时间信息，在计算项目相似性中融合了项目评分相似性和经过加权处理的项目属性特征相似性。实验结果表明，该算法较之传统的方法能够较好的应对数据稀疏问题，同时提高了推荐结果的精确度。
关键字：评分预测；推荐系统；协同过滤；特征属性；时间信息
中图分类号：TP311文献标识码：ADOI：10.3969/j.issn.1003-6970.2013.08.020本文著录格式：[1]颜龙杰.基于近邻评分预测的协同过滤推荐算法[J].软件，2013，34（8）：63-660引言
推荐系统越来越多的应用于互联网的很多行业，比如社交网站、电子商务网站、视频网站、音乐网站等等。在电子商务网站经常可以看见网站给用户推荐的一些商品，社交网站也会不时的推荐一些朋友给用户，音乐视频网站会给我们推荐一些用户可能感兴趣的音乐和视频。这些网站利用用户的一些注册信息，历史行为记录等构建各自的推荐系统。
在互联网高速发展的时代，用户既是信息的生产者又是信息的消费者。信息的过载使得我们只可能关注于某一部分我们感兴趣的信息，推荐系统在互联网上的应用正好迎合了我们的这种需求。推荐系统主要分为：基于内容的推荐和基于用户的推荐。基于内容的推荐找出那些和用户喜欢的物品比较相似的物品推荐给用户；而基于用户的推荐则先找出那些和用户的兴趣爱好有比较大相似性的用户，然后推荐相似用户喜欢的物品给用户。评分预测协同过滤推荐是一种应用比较广泛的基于用户的推荐的算法。1相关工作
在评分预测的协同过滤推荐中认为，不同的用户评分相似性可能隐含着用户间的某种相似性，那么可以利用用户间的相似性来预测某些用户的未评分项目。评分预测利用用户已评分数据来找出与其最相似的若干用户，用这若干相似用户的项目评分数据来预测该用户的某些未评分项目。从而达到补全填充用户—项目评分数据，为用户推荐可能感兴趣项目的目的。用户集合为，项目集合为。用户和项目组成一个如表1的用户—项目评分矩阵。

阅读全文