基于項目分類與預測填充的協(xié)同過濾推薦算法研究.pdf

1、網(wǎng)絡化與信息化社會具有信息海量化和用戶需求個性化的特點，然而龐大的信息流與用戶個性化的需求之間并不能形成簡單的供求關系。如何通過有效手段過濾掉與目標用戶不相關的信息，篩選出對用戶有用、能滿足用戶需求的信息成為信息研究領域的重要課題。
　　 協(xié)同過濾算法是推薦領域的核心算法之一，它的應用價值在數(shù)量眾多的、成功的推薦系統(tǒng)中得到了很好的體現(xiàn)。然而協(xié)同過濾算法在大量的研究和系統(tǒng)應用中表現(xiàn)出了一定的局限性，出現(xiàn)了諸如評分矩陣稀疏性問題、推

2、薦準確性問題等難題，為解決這些問題，多種改進策略與方案應運而生。本課題針對協(xié)同過濾算法的評分矩陣稀疏性與推薦準確度進行算法理論研究，主要的研究工作和成果如下:
　　 1.使用樸素貝葉斯分類器對評分項目進行分類的研究。依據(jù)項目的屬性特征對項目進行歸類，有利于搜索相似度較高的鄰居項目，并減小預測評分的偏差。樸素貝葉斯分類器通過對數(shù)據(jù)集中的項目集合訓練得到，訓練對象是項目，再利用訓練得到的分類器對項目按類別歸類。實驗結(jié)果表明，項目分類

3、對協(xié)同過濾預測準確度有一定程度的提高，并大大減小了相似度計算的開銷，而分類策略的引入則有利于發(fā)掘用戶對于項目類別的偏好取向。
　　 2.填充技術(shù)在稀疏矩陣中的應用研究。本文根據(jù)對項目的分類結(jié)果，計算基于項目的協(xié)同過濾預測評分，并填充到原始的評分矩陣中對應的元素位置。由于矩陣稀疏性的影響，用戶對項目的預測評分會產(chǎn)生很大的偏差。填充技術(shù)的使用通過降低評分矩陣的稀疏度，緩解了稀疏性對預測結(jié)果的消極影響。
　　 3.基于項目分類