推薦系統(tǒng)中協(xié)同過(guò)濾算法的改進(jìn)與研究.pdf

1、隨著電子商務(wù)的蓬勃發(fā)展，以客戶(hù)為中心的客戶(hù)關(guān)系代替了傳統(tǒng)的以商品為中心的關(guān)系，客戶(hù)成為電子商務(wù)的主體，企業(yè)如何吸引和留住顧客并且為客戶(hù)提供更好的服務(wù)是目前的關(guān)鍵任務(wù)，因此智能化的推薦系統(tǒng)成為解決電子商務(wù)中這些問(wèn)題的重要方法。推薦系統(tǒng)根據(jù)用戶(hù)的購(gòu)物歷史為用戶(hù)提供下一步可能的購(gòu)物動(dòng)態(tài)，中國(guó)的大多數(shù)網(wǎng)站具有簡(jiǎn)單的推薦作用。
　　協(xié)同過(guò)濾算法是目前研究最多、應(yīng)用范圍最廣的推薦算法，協(xié)同過(guò)濾算法的基本思想是為特定用戶(hù)找到具有相似興趣的用戶(hù)群

2、體，根據(jù)群體的愛(ài)好為特定用戶(hù)進(jìn)行推薦。在我們的日常生活中，我們的很多選擇往往會(huì)參考親朋好友或是與自己有相同興趣愛(ài)好的群體，往往會(huì)聽(tīng)從他們的推薦和建議。協(xié)同過(guò)濾算法就是將這一思想運(yùn)用到電子商務(wù)推薦中，基于其他用戶(hù)對(duì)某一項(xiàng)目的評(píng)分來(lái)向目標(biāo)用戶(hù)進(jìn)行推薦。但是仍面臨著數(shù)據(jù)稀疏、冷啟動(dòng)等問(wèn)題，因此本文對(duì)傳統(tǒng)的協(xié)同過(guò)濾的算法進(jìn)行了改進(jìn)。
　　論文的研究工作得到了國(guó)家自然科學(xué)基金項(xiàng)目(No.61172072、61271308)、北京市自然科學(xué)基

3、金項(xiàng)目(No.4112045)和高等學(xué)校博士學(xué)科點(diǎn)專(zhuān)項(xiàng)科研基金(No.20100009110002)的支持。論文的主要工作和貢獻(xiàn)包括以下幾個(gè)方面:
　　首先，對(duì)推薦系統(tǒng)進(jìn)行了簡(jiǎn)單介紹，包括概念、構(gòu)成、分類(lèi)及實(shí)際中經(jīng)常用到的推薦方法。詳細(xì)解釋了協(xié)同過(guò)濾算法，包括基本思想、分類(lèi)情況、算法步驟、優(yōu)勢(shì)、評(píng)價(jià)指標(biāo)、存在的主要問(wèn)題以及解決方法。
　　其次，為了解決協(xié)同過(guò)濾算法尋找最近鄰居用戶(hù)集合的問(wèn)題。參考了前人將人工免疫系統(tǒng)引入到協(xié)同

4、過(guò)濾的算法，并且在此基礎(chǔ)上充分考慮了用戶(hù)評(píng)分偏好對(duì)推薦質(zhì)量的影響。免疫系統(tǒng)中抗原、抗體的選擇過(guò)程類(lèi)似于協(xié)同過(guò)濾算法中為目標(biāo)用戶(hù)尋找最近鄰居集和這一過(guò)程，同時(shí)結(jié)合了用戶(hù)偏好因子，并且二次迭代了免疫過(guò)程，可以提供更為精確的鄰居用戶(hù)集合，從而提出了基于用戶(hù)偏好的人工免疫推薦算法。但考慮到該算法不能解決推薦系統(tǒng)新用戶(hù)冷啟動(dòng)的問(wèn)題，在充分挖掘用戶(hù)個(gè)人信息的基礎(chǔ)上，經(jīng)過(guò)對(duì)相似性計(jì)算公式的進(jìn)一步改進(jìn)，最終得到基于用戶(hù)注冊(cè)信息和用戶(hù)偏好的免疫推薦算法。