基于協(xié)同過濾算法的電影推薦應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,個性化推薦通過挖掘每個用戶潛在的需求,在電子商務(wù)中發(fā)揮了越來越重要的作用。協(xié)同過濾推薦方法是目前比較流行的個性化推薦方法之一,同時它也面臨著一些有待進(jìn)一步解決的問題,如可擴(kuò)展問題、稀疏性問題、冷啟動問題等。本文對基于協(xié)同過濾算法的個性化推薦進(jìn)行了研究。
　　本文分析了用戶對不同類別電影的喜好程度,在進(jìn)行slope-one評分填充時,充分考慮了項目類別信息。以相同類別電影的評分為依據(jù)來尋找相似用戶,進(jìn)行評分預(yù)

2、測,有效地解決了用戶對不同類別電影的喜好不同的問題。
　　協(xié)同過濾推薦搜索目標(biāo)用戶的最近鄰需要在整個用戶空間上進(jìn)行,隨著數(shù)據(jù)的不斷增多和系統(tǒng)規(guī)模的不斷擴(kuò)大,搜索目標(biāo)用戶的最近鄰的計算量也不斷增大,系統(tǒng)的實時性能越來越差,這就成為協(xié)同過濾系統(tǒng)發(fā)展的一個瓶頸。針對該問題,本文采用了一種基于聚類的協(xié)同過濾算法。根據(jù)用戶的屬性特征和用戶評分?jǐn)?shù)據(jù)對用戶進(jìn)行聚類,將具有相似興趣的用戶聚成一類。當(dāng)新來一個目標(biāo)用戶時,首先判斷該目標(biāo)用戶所屬的聚類

3、,然后在相應(yīng)的聚類內(nèi)搜索目標(biāo)用戶的最近鄰,從而使搜索目標(biāo)用戶的最近鄰的計算空間盡可能的縮小,達(dá)到了縮短尋找最近鄰的計算時間的目的。
　　本文也考慮了對新項目和新用戶的推薦。依據(jù)電影的類別屬性和評分?jǐn)?shù)據(jù)對當(dāng)前數(shù)據(jù)庫中的電影進(jìn)行聚類,使得類別和評分相似的電影聚為一類。對于新電影,則依據(jù)該電影的基本特征判斷該電影所屬的聚類,在所屬聚類內(nèi),依據(jù)協(xié)同過濾算法預(yù)測目標(biāo)用戶對新電影的評分,生成推薦列表;對于新用戶,則依據(jù)用戶基本特征判斷該用戶所