楚扬杰 李珊

【关键词】推荐系统 协同过滤算法 人口统计 惩罚函数

1 引言

经过近二十年的研究，个性化推荐系统己经建立了一套比较完备的理论依据和框架，在各领域的实际应用中也取得了一定的成功，并且个性化推荐系统也已成为未来互联网发展中极其重要的组成部分。但是，伴随着互联网应用发展的多样化，各种新的应用形式层出不穷，互联网用户和信息的规模急剧增加，推荐系统的发展将面临新的挑战，传统推荐系统中没有考虑和重视的问题也正影响这推荐系统的进一步发展和应用。目前，个性化推荐系统面临的问题主要是稀疏性问题。本文旨在针对现有协同过滤推荐算法由于数据稀疏性造成的准确度低的现象，对传统的协同过滤推荐系统的推荐算法进行改进。

2 基于人口统计的协同过滤算法

基于人口统计的协同过滤推荐算法相对于其他协同过滤算法来讲更容易实现。基于人口统计的协同过滤推荐算法利用用户的人口属性特征来计算用户相似度，不依赖用户-项目评分矩阵。因此，基于人口统计的协同过滤推荐算法可以避免冷启动问题和数据稀疏性问题。虽然基于人口统计的协同过滤推荐算法可以解决传统协同过滤推荐算法的两大难题，但是如何准确的获得用户的人口统计信息是该算法的一大難题。大量的实验数据表明，单独使用基于人口统计的协同过滤推荐算法，较传统的协同过滤推荐算法来讲，推荐效果并没有明显的改善。……