基于归一化方法的协同过滤推荐算法
2014-01-16陈小辉刘汉烨
电子设计工程 2014年14期
陈小辉,高 燕,刘汉烨
(榆林学院 信息工程学院,陕西 榆林 719000)
随着计算机网络技术迅速发展,越来越多的人类活动依赖于互联网,人们可以通过网络购买各类商品,获取生活资讯,寻求合作和协助等等,但是面对海量的互联网信息,普通用户越来越难以及时获取有效的信息,在这种情况下能够提供高效的个性化的信息推荐显得尤为重要[1]。协同过滤推荐算法是目前应用最成功的推荐算法之一,在许多领域得到了广泛的推广。
协同过滤(Collaborative Filtering,CF)是根据用户的兴趣爱好、历史数据寻找与用户在这些方面有一定相似性的邻居,并且根据邻居的一些行为或评价数据对用户进行推荐。与基于内容的推荐系统不同,协同过滤推荐算法仅仅是依据用户对项目的评价寻找评价相似的若干邻居,而忽略数据详细内容,一般也不提取项目的文本特征向量,因为一般情况下如果不同用户对一些项目给出的评价相近,那么这些用户对其他项目的评价也会相似[2]。协同过滤推荐算法一般分为两类:基于内存的协同过滤(Memory-based CF)和基于模型的协同过滤(Model-based CF)。基于内存的协同过滤算法是目前应用最广泛的推荐方法,又可以进一步分为基于用户的协同过滤推荐和基于项目(item)的协同过滤推荐以及综合考虑用户和项目的推荐技术。基于用户推荐算法是依据邻居用户对某个项目的评分来预测当前用户对该项目的评分,基于项目的推荐算法则根据邻居项目的评分值来预测当前项目的评分[3]。……
登录APP查看全文
