范 波,李金曈,白 天,许鹏程

(湖南理工学院 信息科学与工程学院,湖南 岳阳 414006)

机器学习的目的是从海量数据中找到一个规律,并将模型得到的规律应用到同类数据中,给出一个目标结论.这个思想与人们希望得到有价值信息的目的不谋而合,于是大数据个性化推荐出现在大众视野中.大数据个性化推荐算法在2012年由数据科学家提出,在2016年得到广泛应用,成为数据科学工作者的常用算法之一[1].大数据个性化推荐算法不仅使用户得到的信息质量明显提升,同时也让商户的推荐效率提高、成本降低.协同过滤算法作为个性化推荐领域中的经典算法之一,因其效率高、适用范围广、易调整等特点,长期位于主流算法之列[2].但传统的协同过滤算法存在冷启动、数据稀疏性等问题[3,4].为了对传统协同过滤算法进行优化,本文提出适用于协同过滤算法的混合机器学习分类模型,并应用该模型进行定性与定量分析,得到一个优化模型.

1 混合机器学习的协同过滤算法模型

1.1 模型改进

基于用户的协同过滤算法主要基于“人以群分”的理念.通过用户的各类行为信息,来挖掘出用户的喜好,然后参照喜好相似的人的偏好来进行信息推荐[3],其算法结构如图1所示.

传统的基于用户的协同过滤算法主要分为两个步骤:

(1)找到与目标用户兴趣相似的用户集合;

(2)找到该集合中用户喜欢的、同时并未了解过的物品推荐给目标用户.

在协同过滤算法中……