基于全局和局部相似性度量的協(xié)同過濾推薦研究.pdf

1、本文的研究內(nèi)容來源于國家自然科學(xué)基金面上項目“基于異構(gòu)服務(wù)網(wǎng)絡(luò)分析的Web服務(wù)推薦研究”。
　　當(dāng)前,隨著信息技術(shù)與電子商務(wù)的發(fā)展,推薦系統(tǒng)逐漸成為電子商務(wù)技術(shù)的研究熱點,其中應(yīng)用最廣泛也最成熟的推薦技術(shù)當(dāng)屬協(xié)同過濾技術(shù)。本文著手于分析現(xiàn)存協(xié)同過濾算法的不足,從提升推薦質(zhì)量的角度出發(fā),研究并改進了協(xié)同過濾技術(shù)中的相似性度量算法。
　　現(xiàn)有算法對用戶或項目進行相似性度量時通常只考慮直接關(guān)聯(lián)的對象,會出現(xiàn)準(zhǔn)確率低下的問題。針對該

2、問題,將用戶或項目之間的相似度分為全局和局部兩類,并分別設(shè)計算法計算其相似度。所提出的方法能使相似度計算結(jié)果更加全面準(zhǔn)確,進而為協(xié)同過濾系統(tǒng)提供基礎(chǔ)。
　　本文主要完成了如下工作:
　　①分析了推薦系統(tǒng)的原理及各種推薦相關(guān)技術(shù),重點研究了協(xié)同過濾推薦技術(shù)方法,剖析了現(xiàn)有推薦算法中存在的問題,對改進推薦算法的必要性做出了闡述并說明了改進相似性度量算法對整個協(xié)同過濾算法改進的意義。
　?、卺槍f(xié)同過濾算法中相似度準(zhǔn)確率較低

3、的不足,提出從評分矩陣的全局信息和局部信息兩個方面優(yōu)化相似性度量算法。
　　③提出基于全局的相似性度量方法,通過改進的Jaccard算法和用戶評分偏好算法計算全局相似性;在局部相似性度量方面,同時從相近性,同類型和一致性三個度量標(biāo)準(zhǔn)考慮局部相似度算法,最后將全局相似性度量方法和局部相似性度量方法結(jié)合得到本文提出的GASA算法。
　?、芡ㄟ^實驗驗證了基于GASA的協(xié)同過濾推薦算法的有效性。
　?、菰O(shè)計了基于全局和局部相似