一種基于耦合對(duì)象相似度的項(xiàng)目推薦算法-論文.pdf

《一種基于耦合對(duì)象相似度的項(xiàng)目推薦算法-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第41卷第2期計(jì)算機(jī)科學(xué)Vo1．41No．22014年2月ComputerScienceFeb2014一種基于耦合對(duì)象相似度的項(xiàng)目推薦算法余永紅。陳興國高陽(南京郵電大學(xué)通達(dá)學(xué)院南京210003)(南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室南京210093)摘要推薦系統(tǒng)根據(jù)用戶的偏好為用戶推薦個(gè)性化的信息、產(chǎn)品和服務(wù)等，能夠幫助用戶有效解決信息過載問題?；趦?nèi)容的協(xié)同過濾算法缺少合適的度量指標(biāo)用來計(jì)算項(xiàng)目之間的相似度。提出一種基于耦合對(duì)象相似度的項(xiàng)目推薦算法，即通過耦合對(duì)象相似度捕獲項(xiàng)目特征頻率分布相似性和特征依賴聚合相似度。首先從項(xiàng)目文本中抽

2、取項(xiàng)目的關(guān)鍵特征，然后利用耦合對(duì)象相似度構(gòu)建項(xiàng)目相似度模型，最后使用協(xié)同過濾的方法為活動(dòng)用戶推薦用戶可能感興趣的項(xiàng)目。在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，基于耦合對(duì)象相似度的推薦算法可以有效解決基于內(nèi)容推薦系統(tǒng)的項(xiàng)目相似度度量問題，在缺失大量項(xiàng)目特征數(shù)據(jù)的情況下改進(jìn)傳統(tǒng)基于內(nèi)容推薦系統(tǒng)的推薦質(zhì)量。關(guān)鍵詞基于內(nèi)容的推薦系統(tǒng)，耦合對(duì)象相似度，協(xié)同過濾中圖法分類號(hào)TP311文獻(xiàn)標(biāo)識(shí)碼ACoupledObjectSimilarityBasedItemRecommendationAlgorithmYUYong-hong。CHENXing-guo。GAOY_

3、an((5allegeofTongda，NanjingUniversityofPostsandTelecommunications，Nanjing210003，China)(StateKeyLaboratoryforNovelSoftwareTechnology，NanjingUniversity，Nanjing210093，China)AbstractRecommendersystemsareveryusefulduetOthehugevolumeofinformationavailableontheWeb．Ithelpsusersall

4、eviatetheinformationoverloadproblembyrecommendinguserswiththepersonalizedinformation，productsorservices．Forcontent-basedrecommendationalgorithm，therearefewsuitablesimilaritymeasuresforthecontent-basedrecommendationmethodstocomputethesimilaritybetweenitems．Thispaperproposed

5、acoupledobjectsimilaritybaseditemrecommendationalgorithm．Ourmethodfirstlyextractsiternfeaturesfromiterns，andthenconstructsiternsimilari—tymodelbyusingcoupledobjectsimilaritymeasure．Thecollaborativefilteringtechniqueisthenusedtoproducetherecommendationsforactiveusers．Experi

6、mentalresultsshowthatourproposedrecommendationalgorithmeffectivelysolvestheproblemofsimilaritymeasurebetweenitemsforrecommendationalgorithmandimprovesthequalityoftradi—tiona1content-basedrecommendationwhenlackingmostoftheiternfeatures．KeywordsContent-basedrecommendationsys

7、tem，Collaborativefiltering，Coupledobjectsimilarity分行為相似性為目標(biāo)用戶推薦個(gè)性化商品、服務(wù)等。與基于1引言內(nèi)容的推薦系統(tǒng)不同，協(xié)同過濾分析用戶的行為數(shù)據(jù)，不考慮互聯(lián)網(wǎng)和電子商務(wù)技術(shù)的發(fā)展為用戶獲取信息提供了便具體的推薦項(xiàng)目(例如：電影、新聞、產(chǎn)品等)的屬性，在進(jìn)行個(gè)利，但是另一方面也使用戶面臨信息過載問題，用戶被“淹沒”性化推薦時(shí)完全忽略對(duì)項(xiàng)目內(nèi)容的分析。傳統(tǒng)的基于內(nèi)容的在互聯(lián)網(wǎng)和電子商務(wù)系統(tǒng)呈現(xiàn)給用戶的大量數(shù)據(jù)中，無法快推薦算法l2]通過分析用戶和項(xiàng)目的內(nèi)容來進(jìn)行推薦。Bala—速、準(zhǔn)確

8、獲取目標(biāo)數(shù)據(jù)。推薦系統(tǒng)可以為用戶提供個(gè)人化的banovic[3_和Melvillel4]等用實(shí)驗(yàn)表明基于內(nèi)容的推薦算法可信息、產(chǎn)品和服務(wù)，滿足用戶的個(gè)性化需求，從而有效地解決以在