一种改进的协作过滤算法.pdf

《一种改进的协作过滤算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、j十算机技术及其应用皇皇兰竺!!兰竺!ComputerTechnoloqy＆Applications一种改进的协作过滤算法刘浩杰金鑫(武汉理工大学信息工程学院，湖北武汉430072)摘要：协作过滤算法作为最成功的个性化推荐技术已经被应用到很多领域中。针对现有推荐算法存在的预测值判定不准确、数据高维稀疏性、可扩展性不强的问题，提出了一种改进的协作过滤方法。协作过滤方法首先通过对资源进行分类、加权过滤数据预处理以及K一平均聚类算法对用户进行聚类，然后利用余弦相似度计算用户间的相似性，产生最近邻居集，最后基于可信度对算法产生的

2、预测值进行修正，从而得到最终的推荐集。实验结果表明，改进后的协作过滤算法在推荐效果方面得到了更好的改善。关键词：协作过滤聚类最近邻居集可信度预测值[中图分类号]TP301．6[文献标志码]A[文章编号]1000—3886(2011)05—0015—03AnImprovedCollaborativeFilteringAlgorithmLiuHaojieJinXin(TheSchoolofInformationEngineering，WuhanUniversityofTechnology，WuhanHubei430072，C

3、hina)Abstract：Collaborativefilteringisthemostsuccessfulpersonalizedrecommendationtechnology。andisextensivelyusedinmanyfields，theexistingrecommendingapproacheshavemanydefects，forexample，theinaccuratelypredictvalue，thehigh—dimensionalsparsedata，thelowersealability．

4、Tosolvethisproblem，thispaperproposesanimprovedcollaborativefilteringalgorithm．Firstly，classifyingofresources，pre—processingofweightingfilterdataandclusteringtheusersbasedonthek—meanclusteralgorithm，then，thenearestneighborsetisproducedbycomputingthesimilarityofuse

5、rsbasedonCosineSimilarity，finally，themethodproducestheresultsbyamendingthepredictvaluebasedOfthecredibility．Experimentsresultshowsthatourproposedalgorithmoutperformstraditionalcollaborativefilteringalgorithm．Keywords：CollaborativefilteringClusteringThenearestneig

6、hborsetCredibilityPredictvalue0引言来主要有以下几点：(1)如何更为有效地对用户的行为和兴趣进行形式化描述；(2)现有的多用户之间相似性计算方法存在随着计算机和网络技术的发展，呈现在计算机用户面前的信语义不一致性，如何解决该问题还没有一种较好的方案；(3)由息变得越来越庞大，但不同的用户对于信息的需求是不同的，因于目前的信息量越来越庞大，现有的方法不能很好地应对由于信此如何快捷地为用户找到所需的信息成为一个难题，而协作过滤息量增加造成的数据高维稀疏性和扩展性差的问题，还有待研究方法则是目前解

7、决这一问题的主要手段。该方法是指信息使用出更加有效的方法来进一步提高个性化服务的质量；(4)目前者(即用户)根据自身的需求，通过和其他用户进行合作，形成一大多数方法对于某个资源的评分值都不是一个整数，很多方法对定的协作规则，或利用多个信息使用者的倾向性来预测单个用户于得到的评价值采用”四舍五入”的原则来进行取舍，然而这种的兴趣，然后根据具有相同兴趣喜好的用户对信息进行评价，从方式已经被证明无法得到准确的结果，与用户的真正需求相差甚而得到推荐结果。与已有的大多数其他信息推荐方法相比，基于远。鉴于以上几点不足，本文针对现有的

8、协作过滤方法面临不协作过滤对用户进行信息推荐的优势是巨大的，它是目前个性化足，提出了一种改进的协作过滤推荐算法，并进行了实验验证。推荐系统中最具有优势的技术之一，也是目前众多研究者的研究实验结果表明，本文提出的协作过滤算法在推荐效果方面更优，热点之一。与此同时，协作过滤技术的运用范围也正在不断扩能够更快更好地为用户推