孙丽娜

摘 要计算机算法的研究发展主要是为了满足用户以及企业的发展需求。当前网络销售势头强劲，而做好网络销售的重要环节就是弄清楚用户的具体需求，及时的推荐相关产品，提升用户群体的购买兴趣。要了解并不相识的用户群体需求，协同过滤算法能够起到重要的作用。本文对协同过滤算法的思想，以及在电子商务和其它领域的应用进行了详细的阐述。

【关键词】算法研究 算法实现 电子商务 推荐 系统应用

1 协同过滤推荐算法简介

协同过滤推荐算法最早起源于信息的过滤，是应用在邮件的分类以及新闻分类方面。最早的销售公司，收到大量的邮件，但是却无法合理的分类。不能找出哪些将是自己感兴趣的邮件。对于新闻的分类也是如此。这种过滤的算法，与单纯的文本过滤不同，除了一些关键词，还能够使得一些需要人工分析的内容变成了可能。例如在音乐赏析方面。同时能够从一些固定的过滤信息中总结出新的特性。但利弊是共存的，使用协同过滤算法来实现信息过滤存在以下缺点：第一点，即便是用户特别需要并感兴趣的信息，如果从来没有进行过相关的评价，就无法进行推荐，也无从进行过滤。第二点，从用户群进行分析的协同过滤算法，对于新的用户，推荐的准确性并不高。这是因为他最新评价或者最先输入的信息，未必是用户最感兴趣，需求度最高的。

2 算法实现步骤

第一步，信息收集过程：对于用户的兴趣进行收集，当然这种兴趣往往是通过用户的评价，用户浏览的信息关联度来进行信息的收集。这是因为并不是每个用户都愿意填写调查资料，相反的很多用户担心自己的隐私暴露出来。

第二步，关联评分系统建立：把具有类似兴趣和评分标准的用户进行分组，同时根据一定的权值建立分值计算系统，通常可以采用一些具体的算法实现，这里推荐使用person算法。

第三步，预测与推荐，通过头两步，进行兴趣的判断，给出商品或者信息的推荐，观察用户对推荐信息的感兴趣程度，深度进行数据挖掘，从而完善下一步的推荐行为。

3 协同过滤推荐算法的应用方面

3.1 电子商务方面的应用

说到协同过滤推荐算法的应用，人们第一个会想到的就是电子商务。诚然，电子商务需要协同过滤算法发挥作用。通过对用户对商品信息的搜索，通过购买情况以及评价。建立相关群体，对兴趣给出模拟评分，从而对用户进行商品推荐。提升推荐商品令用户的感兴趣度，从而提升销售量。但电子商务决不是协同过滤算法应用的全部。

3.2 书目信息方面的应用

网络阅览应用平台，可以通过协同推荐算法，为用户推荐感兴趣的书目，不仅仅是为了销售，也可以通过了解作者对数目信息的兴趣度，提升阅览量。平台可以通过网络广告，信息宣传的模式获取利润。这就需要企业对平台阅览量的认可。

3.3 就业平台系统应用举例

第一点，就业系统的作用：大学生的精力是有限的，如何在众多的招聘信息中，进行合理筛选，找出适合大学生自身特点的专业需求的岗位，成了一个关键的问题。企业招聘不仅仅是通过招聘会，还有很多是通过一些知名的招聘网站平台。大学生也可以通过网站平台进行自我推荐，职位寻找。但是很多职位仅仅通过一些检索功能是不能够进行精准覆盖的，而且很多毕业生也并不是计算机专业毕业，搜素能力相对不强。通过系统过滤推荐算法推出的大学生就业推荐系统，就是一个很好的解决这一问题的方法。深入浅出的说，基于协同过滤推荐算法的大学生就业系统，是根据学生在校期间的学习表现、对不同科目的侧重、学生的喜好，以及校园中往届毕业生的综合信息进行匹配，塑造算法的模型，通过编码实现，通过算法融合找出符合项。

第二点：具体功能描述：首先，可以从就业信息进行分析，建立成功就業者的共同特点，包括文体特长、科目擅长等信息。在学生在校学习期间，可以利用这些信息，侧重强化训练学生的实践能力，提升就业机率。其次，从学生就业过信息中塑造具体模型，从不同方面进行信息总结，并且通过优势与劣势对比，判断对就业起到重要作用的信息特点，从而修改与完善模型分类。

第三点，从就业平台系统中，可以拓展系统功能，为一些招聘网站服务，订制个性化的就业信息服务，从而吸引更多的付费会员。也让推荐的成功率不断提升。

4 结束语

协同过滤推荐算法，是计算机算法针对用户群体进行分析与具体计算，塑造相关模型，并打造得分系统，获得兴趣模型分数，从而进行合理推荐的过程。广泛应用于多个领域，例如：电子商务领域、信息分类领域、就业推荐领域等等。本文通过介绍算法的实现过程，进行了优缺点对比。同时介绍了电子商务和就业系统平台的实际应用。总结出协同过滤算法在对用户群兴趣推荐方面具有重要作用的结论。

参考文献

[1]黄创光，印鉴，汪静，刘玉葆，王甲海.确定近邻的协同过滤推荐算法[J].计算机学报，2010（08）.

[2]方娟，梁文灿.一种基于协同过滤的网格门户推荐模型[J].电子与信息学报，2010（07）.

[3]李春，朱珍民，高晓芳，陈援非.基于邻居决策的协同过滤推荐算法[J].计算机工程，2010（13）.

[4]吴湖，王永吉，王哲，王秀利，杜栓柱.两阶段联合聚类协同过滤算法[J].软件学报，2010（05）.

[5]曾小波，魏祖宽，金在弘.协同过滤系统的矩阵稀疏性问题的研究[J].计算机应用，2010（04）.

[6]徐翔，王煦法.协同过滤算法中的相似度优化方法[J].计算机工程，2010（06）.

[7]汪静，印鉴，郑利荣，黄创光.基于共同评分和相似性权重的协同过滤推荐算法[J].计算机科学，2010（02）.

作者单位

哈尔滨铁道职业技术学院 黑龙江省哈尔滨市 150040