基于AP聚類算法的推薦系統(tǒng)研究.pdf

1、進(jìn)入21世紀(jì)以來，在互聯(lián)網(wǎng)和電子商務(wù)網(wǎng)站飛速發(fā)展的背景下，電子商務(wù)網(wǎng)站中的信息量變得更為龐大和復(fù)雜，繁冗的數(shù)據(jù)給電子商務(wù)的發(fā)展帶來巨大的挑戰(zhàn)。為了解決這一難題，針對(duì)電子商務(wù)的推薦系統(tǒng)應(yīng)運(yùn)而生，電子商務(wù)推薦系統(tǒng)主要目的是幫助用戶迅速的定位到自己喜歡的商品。
　　在目前主流的各種推薦算法中，協(xié)同過濾算法是一種應(yīng)用較廣的推薦算法，但傳統(tǒng)的協(xié)同過濾存在“稀疏性”、“冷啟動(dòng)”和“可擴(kuò)展性”等問題。近年來關(guān)于推薦系統(tǒng)的研究中，一些學(xué)者提出將聚

2、類技術(shù)引入到推薦系統(tǒng)中用以解決上述問題。基于聚類的推薦算法通過先對(duì)用戶或者項(xiàng)目進(jìn)行聚類劃分，使得相似度較高的對(duì)象聚集到同一個(gè)類中，從而簡(jiǎn)化查找最近鄰居的過程，大大減小了整體計(jì)算復(fù)雜度和時(shí)間消耗。另外由于聚類過程可以在線下完成，所以大大提升了推薦系統(tǒng)整體的實(shí)時(shí)性。
　　本文提出了基于AP聚類的推薦算法，主要研究?jī)?nèi)容如下：
　　(1)提出并設(shè)計(jì)了基于AP聚類的推薦算法。將AP聚類算法引入到推薦系統(tǒng)的用戶分類過程中，僅需要將目標(biāo)用

3、戶通過AP聚類方法進(jìn)行分類，簡(jiǎn)化查找最近鄰居和計(jì)算對(duì)象相似度的過程，降低了在整體計(jì)算中的復(fù)雜度和時(shí)間消耗。
　　(2)傳統(tǒng)的AP聚類不包括類別的合并過程，使得聚類的精度較差，尤其是對(duì)結(jié)構(gòu)復(fù)雜的數(shù)據(jù)。本文提出了一種基于屬性加權(quán)的度量方法，基于此對(duì)AP聚類算法進(jìn)行了改進(jìn)。
　　(3)設(shè)計(jì)并實(shí)現(xiàn)了基于改進(jìn)AP聚類的推薦算法。
　　在公共數(shù)據(jù)集上進(jìn)行了仿真實(shí)驗(yàn)，評(píng)價(jià)指標(biāo)為平均絕對(duì)偏差（MAE）值，芮氏指標(biāo)（RI）和純度指標(biāo)（P