面向電子商務(wù)的協(xié)同過濾推薦算法與推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展、PC和平板電腦的普及，電子商務(wù)已經(jīng)成為當(dāng)今互聯(lián)網(wǎng)IT產(chǎn)業(yè)的經(jīng)濟增長點。但是，與日俱增的不僅僅是用戶的數(shù)量，同時大量的有用和無用信息也充斥于電子商務(wù)領(lǐng)域。如何能夠從成千上萬的海量信息中，快速找到我們想要的信息，已經(jīng)成為了一個重要課題。近年來，電子商務(wù)網(wǎng)站中出現(xiàn)的個性化推薦系統(tǒng)就是解決這一問題的重要途徑。其中，協(xié)同過濾推薦算法是應(yīng)用最為廣泛和最成功的推薦技術(shù)。但現(xiàn)有算法沒有考慮隨著時間變化而導(dǎo)致用戶興趣變化的情況，對具

2、有時間強依賴的產(chǎn)品進行推薦時，推薦質(zhì)量很難得到保證，魯棒性差。同時，協(xié)同過濾算法本身存在的冷啟動等問題也會對推薦質(zhì)量產(chǎn)品影響。本文在協(xié)同過濾推薦算法和基于知識的推薦算法的基礎(chǔ)上，融合時間屬性研究了若干推薦算法的性能。主要工作如下:
　　 (1)通過建立優(yōu)化的余弦相似性模型尋找用戶近鄰，實現(xiàn)了一種傳統(tǒng)的協(xié)同過濾推薦算法。實驗時選擇不同數(shù)量的用戶集進行測試，分析了鄰居用戶數(shù)量對推薦準確率的影響，對比實驗表明:傳統(tǒng)協(xié)同推薦算法對鄰居用

3、戶數(shù)量具有敏感性，當(dāng)選擇恰當(dāng)?shù)泥従佑脩魯?shù)量時，其推薦準確率會更高。
　　 (2)根據(jù)產(chǎn)品的時間依賴屬性，提出了一種基于時間加權(quán)的協(xié)同過濾推薦算法。該算法在協(xié)同過濾算法基礎(chǔ)上融合時間過濾函數(shù)進行產(chǎn)品推薦。本文設(shè)計了兩種時間加權(quán)函數(shù)，推薦算法可以根據(jù)產(chǎn)品的時間依賴關(guān)系和產(chǎn)品實際被評價的時間，賦予函數(shù)不同的權(quán)值。實驗結(jié)果表明:具有時間過濾功能的協(xié)同過濾算法能夠敏銳地檢測出用戶興趣的變化，使得推薦的產(chǎn)品更符合用戶的需求。
　　

4、(3)為了能夠檢測用戶興趣的變化并且有效地克服傳統(tǒng)的協(xié)同過濾算法面臨的冷啟動問題，本文基于混合推薦技術(shù)，通過引入時間過濾函數(shù)，并結(jié)合基于知識的推薦過程，提出了一種融合時間和知識推理的混合協(xié)同過濾推薦算法。該算法能夠有效克服冷啟動問題，即當(dāng)用戶評價數(shù)較少時，算法能夠通過用戶相關(guān)的知識推理進行推薦，當(dāng)用戶評價數(shù)達到一定程度后，通過協(xié)同過濾算法進行推薦。實驗表明，該混合算法具有較高的魯棒性，面對復(fù)雜的電子商務(wù)模型具有較高的推薦準確率。