基于社會興趣聚類的協(xié)同過濾推薦算法研究.pdf

1、互聯(lián)網(wǎng)的軟件的發(fā)展和硬件性能的提升,為電子商務發(fā)展提供了很好的支撐。與此同時電子商務網(wǎng)站用戶面對的信息越來越多,海量的商品信息使得用戶獲取滿足自己需求的商品和信息難度增大,這就使得用戶面臨著嚴重的“信息超載”和“選擇障礙”問題。搜索引擎的出現(xiàn)在一定程度上能夠解決用戶面臨的信息超載問題,但是通過搜索引擎獲取信息這一過程是大眾化的,這種大眾化信息無法滿足用戶個性化的需求,用戶需要電子商務網(wǎng)站能夠根據(jù)他們的喜好向其給出其可能感興趣的商品的推薦

2、。
　　推薦算法應運而生,其中運用最為廣泛的是協(xié)同過濾推薦算法。協(xié)同過濾推薦算法主要是根據(jù)用戶對商品的評分信息給出推薦,因此忽略了比較重要的UGC(用戶產(chǎn)生內(nèi)容),如:標簽、評論等重要信息,然而已經(jīng)存在的相關研究很少有同時從標簽語義和社區(qū)的角度來分析問題。本研究旨在綜合利用評分和標簽兩方面的信息來給用戶產(chǎn)生個性化推薦,同時考慮到現(xiàn)實生活中用戶的社區(qū)性,分析和挖掘用戶的社會興趣,利用評分信息和用戶評分類型信息來計算用戶的相似度,深入

3、分析標簽信息來挖掘用戶的社會興趣,根據(jù)用戶的社會興趣將用戶進行聚類,再根據(jù)基于社會興趣的聚類結(jié)果,結(jié)合本文提出的推薦算法提出了基于社會興趣聚類的協(xié)同過濾算法。從理論上，該算法能夠一定程度的提高推薦的準確度。
　　本文使用Movielens電影數(shù)據(jù)集對本文推薦算法的推薦的質(zhì)量和傳統(tǒng)的推薦算法進行比較,選取 MAE(平均絕對偏差)和RMSE(均方根偏差)作為推薦質(zhì)量的評價標準,對本文提出的算法進行試驗,得出試驗結(jié)果,并對得出的試驗結(jié)果