一種新型的協(xié)同過濾推薦算法.pdf

1、當(dāng)今電子商務(wù)推薦系統(tǒng)的應(yīng)用日益廣泛，推薦算法作為推薦系統(tǒng)的核心也得到廣泛的研究，協(xié)同過濾推薦算法是目前應(yīng)用最成功的推薦算法之一，但是傳統(tǒng)的協(xié)同過濾推薦存在數(shù)據(jù)稀疏性、冷啟動和可擴(kuò)展性等問題。論文針對傳統(tǒng)協(xié)同過濾算法中出現(xiàn)的問題進(jìn)行改進(jìn)。論文的主要工作如下：
　?。?）提出將用戶與項(xiàng)目的評分、特征因素結(jié)合起來的協(xié)同過濾算法。論文改進(jìn)的算法將用戶評分相似度和用戶特征相似度相結(jié)合選取用戶最近鄰居計算用戶預(yù)測評分，同時將項(xiàng)目評分相似度和項(xiàng)

2、目特征相似度相結(jié)合選取項(xiàng)目最近鄰居計算項(xiàng)目預(yù)測評分，然后將用戶預(yù)測評分和項(xiàng)目預(yù)測評分相結(jié)合產(chǎn)生最終推薦。論文改進(jìn)的算法不僅解決了冷啟動問題，而且也緩解了數(shù)據(jù)稀疏性。
　?。?）提出利用遺傳算法解決改進(jìn)的算法中選取最佳參數(shù)組合問題。在改進(jìn)的算法中，當(dāng)選取用戶近鄰和項(xiàng)目近鄰、將用戶及項(xiàng)目評分相似度和特征相似度相結(jié)合、將用戶預(yù)測評分和項(xiàng)目預(yù)測評分相結(jié)合時，都需要選擇適當(dāng)?shù)拈撝祷驒?quán)值。遺傳算法作為解決組合優(yōu)化問題的方法之一，可以在推薦算法

3、中得到最佳的參數(shù)組合，提高推薦結(jié)果準(zhǔn)確度。
　?。?）提出利用遺傳算法解決對當(dāng)前推薦場景有影響的用戶特征組合問題。當(dāng)用戶的特征因素很多時，并不一定用戶的每一特征都會對當(dāng)前推薦場景造成影響，如何提取出影響當(dāng)前推薦場景的特征因素是推薦算法的關(guān)鍵問題。利用遺傳算法隨機(jī)生成個體的原理，通過遺傳算法的不斷迭代與推薦結(jié)果評估，能夠提取出對當(dāng)前推薦場景起作用的特征因素。
　　（4）在Movielens數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明論文改進(jìn)