蒋　雯

（福州理工学院管理工程系，福建福州350506）



基于概念分层的估值填充推荐算法

蒋雯

（福州理工学院管理工程系，福建福州350506）

摘要：为解决传统协同过滤算法中存在的数据稀疏性问题，在原有估值公式的基础上对传统的协同过滤算法进行改进，提出一种基于概念分层的估值填充推荐的改进算法，并对此算法进行仿真实验。结果表明，该算法在稀疏数据集上有着良好的推荐效果。

关键词：协同过滤；项目推荐；概念分层；估值填充

协同过滤推荐系统是电子商务网站提高经济效益的有效技术手段，能够主动快速地挖掘出潜在的购买用户，并帮助他们找到感兴趣的商品，在增加网站的商品销量的同时也增加了用户对商品网站的忠诚度。但随着电子商务规模的不断壮大，用户和项目数据急剧增加，用户评分数据变得极端稀疏［1］，严重影响着推荐结果的准确性。针对数据稀疏问题，研究学者已提出了众多解决方法，但至今没有一种方法能够彻底解决此问题。Sarwar［2］等人提出了利用单值分解的方法对原始稀疏数据进行数据处理，这种方法能够提高推荐效果，但是在分解过程中却造成了数据的遗失。BP神经网络的填充方法、聚类技术近年来也被用于解决数据稀疏性问题，但这些方法的最大缺点是可扩展性问题，其计算量会随着数据量增大而急剧增加，推荐速度变慢。鉴于此，针对稀疏性问题，协同过滤推荐算法依然有很大的改进空间。……