陈雪婷

（贵州师范大学，贵州 贵阳 550025）

在电子商务领域中，基于协同过滤的推荐算法核心概念是：对于相似用户而言，在兴趣爱好上同样存在一定的相似性。可以尝试通过对目标用户兴趣相似用户进行搜寻的方式，根据最邻近用户的评分对目标用户相对于某项目商品的评分制进行预测，并将预测评分最高的部分商品面向目标用户进行推荐。在当前技术条件支持下，大量国内外研究学者尝试对协同过滤推荐算法的应用思路与操作步骤就那些改进与优化，提出了包括基于神经网络、基于矩阵降维以及基于聚类的协同过滤操作方法。以下尝试将分层聚类准则引入电子商务领域的协同过滤个性化推荐算法中，对该算法操作思路进行研究与分析，并通过对实验数据的应用验证该算法应用于电子商务领域的可行性与可靠性。

1 分层聚类协同过滤个性化推荐算法

当前技术条件支持下，电子商务领域中基于分层聚类原则的协同过滤推荐算法的将数据集划分为层次数，所涉及到的常见形式包括两大类，第一类为凝聚，第二类为分裂。其中，前者是指在数据集中，每个数据均可遵循从下至上基本原则合并形成相似类，直至满足一定条件完成合并为止；后者则是指在数据集中所涉及到的相关对象均属于同一个类，在此基础之上遵循自上而下的原则进行分类，形成若干小类，所有小类均包含一定元素。但在电子商务……