方　芳，严克文

(合肥工业大学 管理学院，安徽　合肥　230009)

基于增量更新的协同过滤推荐算法

方芳，严克文

(合肥工业大学 管理学院，安徽合肥230009)

摘要：为解决传统协同过滤推荐算法相似度矩阵不能局部更新的问题，提出了一种基于增量更新的协同过滤推荐算法。该算法首先根据用户评分数据构建用户相异度矩阵，然后选取与目标用户相异度较小且同现次数较多的若干用户作为目标用户最近邻居并产生推荐。算法可以对相异度矩阵进行在线局部更新，无须离线导入全部数据重新计算，从而实现了算法的增量更新，使算法具备了良好的扩展性。进一步实验表明，基于增量更新的协同过滤算法具有很高的推荐准确性。

关键词：个性化推荐；协同过滤推荐；电子商务；用户相异度；增量更新

一、引言

随着互联网的普及和电子商务的迅猛发展，“信息过载”问题变得越来越严重。一方面用户很难从中找到自己感兴趣的内容，另一方面大量有用的信息也很少被用户触及，成为网络上的“暗信息”。个性化推荐作为解决“信息过载”的有效手段，逐渐成为互联网，尤其是电子商务中的一个重要研究内容。目前，几乎所有大型的电子商务系统，如淘宝、Amazon、京东、当当等都不同程度地使用了各种形式的个性化推荐系统。

根据推荐算法的不同，个性化推荐技术主要分为协同过滤推荐、基于内容的推荐、基于关联规则的推荐和混合推荐[1-2]。其中，协同过滤推荐是目前应用最为广泛的个性化推荐技术。……