基于协同过滤算法的智能推荐系统研究-论文.pdf

《基于协同过滤算法的智能推荐系统研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第17卷第3期辽宁工业大学学报(社会科学版)Vo1．17，No．320l5年6月JournalofLiaoningUniversityofTeehnology(SocialScienceEdition)JUn．2015DOI：10．15916／j．issn1674-327x．2015．03．008基于协同过滤算法的智能推荐系统研究王丽娜，张学恒2，王伟晨2(1．辽宁工业大学管理学院，辽宁锦州121001；2．西安交通大学电子与信息工程学院，陕西西安710049)摘要：当今社会信息在各个领域的充斥，用户经常会迷失在海量的信息中。

2、为解决用户在网上如何快速准确获取信息，用协同过滤算法设计电影推荐系统。文章建立了分析用户喜好模型，采用了UFTB算法从用户看过的电影及其类型入手，对用户看过的电影类型与评分数据进行分析。在建立分析电影推荐模型中，本文采用了协同过滤算法，计算修正后的余弦相似度，对缺省值进行预测以优化算法。并且为防止过度优化，采取剔除用户非喜好类型电影，得到优化缺省值预测矩阵，将相似度数据带入推荐公式得出数值并使用排序，找出与目标用户相似度最高的N个用户，根据它们的喜好对目标用户进行电影推荐。而对于一个新用户来说，其信息只有年龄与职业，我们只能从

3、这两方面进行分析，从常识角度，年龄对观看电影类型的影响度大于职业，故本文假设职业固定，只分析年龄对观看电影类型的影响，建立线性函数模型，计算不同用户与新用户年龄的相似度，再带入已得到的推荐公式得出数值，找出与目标用户相似度最高的N含用户，根据它们的喜好对目标用户进行电影推荐。关键词：协同过滤相似度；UFTB；线性模型中图分类号：TP393．03文献标识码：A文章编号：1674—327X(2015)03—0024—03一、研究背景三、符号说明随着时代的发展，互联网已经逐渐走入大众的用户i对项i的评分；生活，通过网络获取信息变得日

4、常化。近年来，互两部电影问类型相似度；联网数据信息呈指数型爆炸增长，海量信息充斥着两部电影评分相似度；互联网，用户越来越难找到自己所需要的信息。作用户c对电影i的评分；为信息需求者，从大量信息中找到自己需要和感兴目标项TI与其最近邻居n之间的相似度：趣的东西往往不是一件容易的事情；而对于信息提用户i对所有电影的平均打分：供者，能够让自己的信息为大家所关注，也是一件用户i和j的相似度；非常困难的事情。推荐系统就是解决这一矛盾的主基于UFTB算法对用户u的第i个电影的评分；要工具。未评分电影i所获评测分值(用户喜好的电影类型中1；

5、二、基本假设用户对项TI的预测评分。用户对电影的评分不受已有评分影响；四、基于UFTB算法的用户喜好模型用户在短时间的兴趣是不会改变的；用户感兴趣的电影类型仅与用户评分高的电建立分析用户喜好的数学模型，应考虑用户看影类型相同；过电影种类以及用户对其打分，若用户对某类电影年龄相似，职业相仿的人兴趣相同；打分越高则说明用户喜欢该类电影，对此本文从两年龄对观看电影类型的影响度大于职业；个步骤进行回答：年龄差相同的情况下，年龄越大，两个用户的步骤一：读取每位用户看过的电影和所有电相似度越高。影的分类，构造用户评分矩阵。收稿日期：201

6、4-02—25基金项目：2014年辽宁省社会科学规划基金项H(LI4BGL021)；2014年辽宁省社会科学规划基金项目(L13DJY092)作者简介：王丽娜(1976一)，女(满族)，吉林榆树人，教授，博士。第3期王丽娜等：基于协同过滤算法的智能推荐系统研究25步骤二：计算每位用户评分x和各类型评分这四种类型的电影。类似108号用户的分析，对个数，比较后得出结果。问题一要求的l0位用户逐一分析，可得表1。(一)构造用户评分矩阵用户编号用户喜好电影类型先建立一个m*n的用户评分矩阵A(m，n1，108Crime，Drama，M

7、usical，Warm代表用户观看的电影，n代表用户。133Adventure，Drama，War83¨826"8"5367"('-)UFTB算法模型的建立228Action，Adventure，Drama，War本文采用UFTB算法判断用户是否喜好某232Children。S，Crime，Drama，Musical，类电影，即：Fr舟、^一』1，当x大于，且y大于Romance，Sci_Fi，Thriller～【0，其他情况336Action，Adventure，Crime，Drama，其中x是评分值，Y是评分个数，如果=1

8、，表Romance，Thriller明用户喜欢该类电影。否则不喜欢或中立。338Drama，Mystery，Romance，Thriller(三)模型的求解545Action，Adventure，Animation，Romance，本文使用moVieLens数据网上的943个