任 帅，王浙明，王明敏

基于用户行为模型和蚁群聚类的协同过滤推荐算法

任 帅，王浙明，王明敏

协同过滤技术是推荐系统中应用最为广泛的技术之一，用户的相似性度量是整个算法的核心要素，会对推荐算法准确率产生很大的影响。传统的协同过滤算法过度依赖用户评分机制，影片自身的标签信息没有被考虑为一个影响因素，在用户聚类时采用 K近邻算法，会由于评分矩阵过于稀疏而难以收敛。同时，传统推荐技术仅基于用户历史行为进行推荐，无法为新用户提供合理的推荐。针对以上问题，提出了一种基于用户行为建模的蚁群聚类和协同过滤算法相结合的影片推荐技术。

推荐；用户行为；协同过滤；蚁群聚类

0 引言

推荐技术在整个互联网领域的重要性日益凸显，并越来越受到研究者的重视。在信息爆炸的时代，如何从海量数据中帮用户快速定位到喜欢的内容，是一个有挑战性的难题。目前，几乎所有的大型电商网站、视频网站以及内容提供网站，都已经不同程度的实现了推荐系统。为保证推荐系统在满足实时性要求的前提下能够产生相对较为精确的推荐内容，研究人员提出了许多不同类型的推荐算法，如协同过滤推荐技术、关联规则算法、Horting 图算法等不同算法。Typestry[1]是最早被提出的基于协同过滤算法的内容推荐系统[2]， 但其不足是需要用户自己手动设置与自己兴趣类似的其他用户，其核心思想比较类似 SNS 系统[3]的 Follow 概念。……