基于雙邊匹配的協(xié)同過濾推薦算法.pdf

1、互聯(lián)網(wǎng)規(guī)模和覆蓋面的迅速增長方便信息獲取的同時也帶來了信息超載(information overload)的問題：在過量的信息面前用戶無法輕松的獲取到對自己有用的內(nèi)容，使得信息使用效率下降。推薦系統(tǒng)(Recommender System)就是解決以上問題的重要工具，它的任務就是幫助用戶和信息制造者互聯(lián)，一方面幫助用戶搜尋到關鍵信息，另一方面幫助信息制造者找到目標受眾，從而實現(xiàn)信息消費者和信息生產(chǎn)者的雙贏。
　　然而，協(xié)同過濾推薦算

2、法作為現(xiàn)有推薦算法中最為普及的一種，也出現(xiàn)了一些問題。比如它在項目相似度計算的過程中通常只采用某一單獨特征(如用戶評分)進行相似度計算，導致推薦準確率下降，并且現(xiàn)有推薦算法在分析用戶興趣模型時，通常沒有聯(lián)合分析供應商偏好，分析片面。本文在分析現(xiàn)有技術的基礎上，從以下幾個方面對協(xié)同過濾推薦算法進行了研究：
　　(1)提出了一種綜合相似度計算方法。相似度計算是協(xié)同過濾推薦算法重要的一步，本文提出的相似度計算方法首先考慮項目之間評分數(shù)據(jù)

3、的相似性，其次考慮到擁有相同屬性的用戶的數(shù)量，最后還考慮到項目屬性的背景。利用據(jù)此綜合相似度得到的預測評分對稀疏矩陣進行填充，能有效的緩解矩陣數(shù)據(jù)缺少的問題。
　　(2)提出一種K-means初始值取法。用戶-項目矩陣越來越大，通過K-means算法對矩陣進行聚類，能夠提高搜索效率，而初始值的選取好壞直接影響到聚類效果，本文提出一種初始值選取方法能提高聚類效果。
　　(3)提出了一種基于 G-S算法的雙邊匹配算法。在互聯(lián)網(wǎng)更