融合多指標(biāo)與環(huán)境信息的協(xié)同過(guò)濾推薦算法.pdf

1、個(gè)性化推薦系統(tǒng)(Recommender System)作為一種信息過(guò)濾的重要手段，是當(dāng)前解決信息超載問(wèn)題的非常有潛力的方法。其中，個(gè)性化推薦系統(tǒng)中的協(xié)同過(guò)濾推薦是迄今為止應(yīng)用最廣泛、最成功的推薦技術(shù)。隨著電子商務(wù)系統(tǒng)規(guī)模的不斷擴(kuò)大，用戶數(shù)目和項(xiàng)目數(shù)目急劇增加，傳統(tǒng)的協(xié)同過(guò)濾推薦算法無(wú)法綜合運(yùn)用多個(gè)指標(biāo)以及根據(jù)環(huán)境信息進(jìn)行推薦，導(dǎo)致傳統(tǒng)的協(xié)同過(guò)濾推薦算法不能準(zhǔn)確反映用戶的偏好從而降低推薦精確度。如何提高協(xié)同推薦系統(tǒng)的推薦質(zhì)量已成為人們關(guān)注

2、的主要問(wèn)題，本文在對(duì)國(guó)內(nèi)外研究現(xiàn)狀綜合分析的基礎(chǔ)上，進(jìn)一步對(duì)協(xié)同過(guò)濾推薦技術(shù)進(jìn)行了深入研究。
　　首先，針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法不能綜合運(yùn)用多個(gè)指標(biāo)進(jìn)行推薦的問(wèn)題，通過(guò)引入多指標(biāo)評(píng)分的概念對(duì)標(biāo)準(zhǔn)的協(xié)同過(guò)濾推薦算法進(jìn)行擴(kuò)展，提出一種基于Widrow-Hoff神經(jīng)網(wǎng)絡(luò)的多指標(biāo)推薦算法，利用Widrow-Hoff最小二乘法自適應(yīng)算法在進(jìn)行系統(tǒng)辨識(shí)時(shí)的高精度擬合特性，并且采用用戶偏好函數(shù)和空間距離矩陣度量用戶相似度，以選擇鄰居集并為用戶

3、推薦最優(yōu)項(xiàng)目，從而能夠有效提高推薦系統(tǒng)的推薦精確度。
　　其次，針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法不能根據(jù)用戶所處環(huán)境信息進(jìn)行推薦的問(wèn)題，提出一種基于模糊C均值聚類的環(huán)境感知推薦算法，采用模糊C均值聚類方法對(duì)歷史環(huán)境信息進(jìn)行聚類，產(chǎn)生聚類及隸屬矩陣；然后匹配活動(dòng)用戶環(huán)境信息與歷史環(huán)境信息聚類，并且采用聚類隸屬度作為映射系數(shù)將符合條件的非隸屬數(shù)據(jù)映射為隸屬數(shù)據(jù)，最終選擇與活動(dòng)環(huán)境匹配的隸屬用戶評(píng)分?jǐn)?shù)據(jù)為用戶作推薦。
　　最后，對(duì)提出的