协同过滤中基于用户兴趣度的相似性度量方法

《协同过滤中基于用户兴趣度的相似性度量方法》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3O卷第l0期计算机应用V01．30No．102010年10月JournalofComputerApplications0ct．201O文章编号：1001—9081(2010)10—2618—03协同过滤中基于用户兴趣度的相似性度量方法嵇晓声，刘宴兵，罗来明(1．重庆邮电大学计算机科学与技术学院，重庆400065；2．重庆聚购科技发展有限公司，重庆400065)(ji．xiaosheng@hotmail．eom)摘要：在个性化推荐算法中，相似性计算方法是决定算法推荐效率的关键。通过分析传统的相似性度量方法在推荐系统中存在的不足，提出了一种基于用户兴趣度的相似性计算方法。该方法利

2、用用户对不同项目类别的兴趣程度与用户评分相结合进行用户之间的相似性计算，克服了传统相似性计算方法仅仅依据用户评分进行相似性计算的不足，并在一定程度上减少了评价数据稀疏的负面影响。实验结果表明，该方法可以有效地克服传统相似性方法中存在的不足，使推荐系统的推荐质量有明显提高。关键词：相似性；协同过滤；推荐系统；用户兴趣度；推荐算法中图分类号：TP311．13文献标志码：ASimilaritymeasurementbasedonuserinterestincollaborativefilteringJIXiao—sheng，LIUYan—bing，LUOLai-ming(1．Colle

3、geofComputerScienceandTechnology，ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China；2．ChongqingJugouTechnologyDevelopmeritCompanyLimited,Chongqing400065，China)Abstract：Intherecommendationalgorithm，similaritymeasurementisfundamentaltotherecommendatoryeffectiveness．Throughana

4、lyzingtheproblemsoftraditionalsimilaritymeasurementinrecommendationsystem，anewinterest—basedsimilaritymeasureapproachwasproposed，whichuseduserdegreeofinterestindifferentkindsofitemwithratingofusertocalculatesimilarityscorebetweentwousers，SOthatcouldovercomethedrawbackofonlyusingratingofuserto

5、calculatesimilarityontraditionalsimilaritymeasurementandovercomeeffectofextremesparsityofuserratingdata．Theexperimentalresultsshowthatthismethodcaneffectivelysolvethesho~comingsoftraditionalsimilaritymethod，andprovidebetterrecommendationresultsthantraditionalsimilaritymeasurement．Keywords：sim

6、ilarity；collaborativefiltering；reeommendersystem；userinterestmeasure；recommendationalgorithm0引言1相关工作协同过滤技术可分为两类：基于记忆的方法和基于模利用协同过滤算法对目标用户产生推荐通常需要经过三型的的方法。基于记忆的方法本质上讲是一种启发式的方个步骤-4]：1)收集可以代表用户兴趣的信息，如：用户评分法，它通过用户以往的评分信息来对用户产生推荐；通过计算等；2)根据收集到的信息计算出用户或项目之间的相似性，并以此为根据为目标用户或项目寻得“最近邻”；3)根据得到用户或项目间的相似性

7、，为目标用户或项目寻找最近邻，并通的“最近邻”对目标用户产生推荐。由此可见，相似性计算在过最近邻为目标用户推荐用户感兴趣的项目。基于模型的方整个算法中起着承上启下的作用，选择恰当的相似性计算方法根据系统已有的用户评分信息学习产生一个模型，再利用法可以明显提高整个推荐系统的推荐效率。该模型进行预测推荐。1．1传统相似性度量方法在协同过滤算法中，确定目标用户的最近邻无疑是整个1)余弦相似性。在基于协同过滤的个性化推荐系统中，算法的关键。然而，目标用户最近邻是通过计算目标用户与常把用户