黄　典



基于项目的协同过滤推荐算法的改进

黄典

个性化推荐技术是在互联网迅速发展下应运而生的。协同过滤是各种个性化推荐技术中最受欢迎的，它在取得巨大成功的同时也同样遭遇到挑战。目前它所面临的最紧要问题就是如何解决数据稀疏带来的难题。本文主要研究协同过滤中的一种，即基于项目的协同过滤推荐算法，提出了一种改进算法：融合差异度和时间函数的协同过滤推荐算法，并通过实验证明改进的算法对于数据稀疏的问题确有改善作用。

互联网的飞速发展，使得网络上数据呈指数性增长。“信息过载”之下，那些希望借由网络的力量寻找信息的人们，就越来越找不到他们真正想要的信息，变得无所适从。所以，一个互联网企业如何让用户从自己所提供的海量信息中获得他们感兴趣的信息，是摆在这些企业面前最实际的技术难题。在这样的情况下，个性化推荐技术应运而生。个性化推荐技术的核心是推荐算法，优秀的推荐算法会使得相应的推荐系统成为客户所依赖的优秀系统。在各种各样的推荐算法中，协同过滤推荐是目前最为成功也是应用最广泛的个性化推荐技术。20世纪90年代，Bob Goldberg等人在构建邮件系统Tapestry时提出了协同过滤推荐的概念，并成功地应用于Tapestry，使它在之后成为非常成功的系统。进入21世纪，随着电子商务的发展，协同过滤开始 被一些大型的电子商务平台引入，基于协同过滤的个性化推荐系统因其性能的优秀得到了越来越多的重视，因此被广泛地应用于商业领域。……