杨静 河南大学软件学院

基于用户特征属性和云模型的协同过滤推荐算法

杨静 河南大学软件学院

互联网迅速发展，用户之间的互动联系越来越紧密。但正由于用户数量的急剧增长，导致互联网信息呈爆炸性增长，信息泛滥是信息时代的特点之一。有时，这种“信息过载”的问题给用户带来了很多干扰，使得他们难以迅速的获取自身需要的信息。信息检索技术中的推荐技术由此应运而生并被广泛的用户接纳认可，因为这种技术能根据用户的偏好自动推荐与推送相关的所需要的信息，因此，这种技术目前已经成为当前研究的热点。

用户特征属性 云模型 协同过滤推荐算法

一、协同过滤推荐算法简介

协同过滤推荐算法是通过对用户历史行为数据的挖掘并建立模型进行分析，发现用户信息的偏好，并在偏好基础上对用户进行群组划分，推荐与用户偏好相类似的商品。该算法又细分为两种算法，一是基于用户的协同过滤算法，二是基于物品的协同过滤算法。

基于用户的协同过滤算法是基于相同喜好用户之间的商品推荐。它通过分析总结用户历史的行为数据发现用户对商品或内容的喜好程度(如内容评论或分享，商品收藏购买等)，并用制定好的分数标准将其数据化并度量化。

基于物品的协同过滤算法是将基于用户的协同过滤算法中的用户替换成物品，两种算法基本相类似。它通过度量不同的用户对不同物品的偏好获得物品间的关系，然后通过物品间的关系判断，继而对用户推荐相似的物品。……