基于中间商品兴趣度加权的内容推荐算法

《基于中间商品兴趣度加权的内容推荐算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于中间商品兴趣度加权的内容推荐算法杨志平徐骞马铭北华大学信息技术与传媒学院内容推荐算法是在电子商务网站屮应用比较广泛的推荐技术之一，主要针对商品之间属性相似度和用户对商品兴趣度建模.但传统的内容推荐算法不能及时反映用户对商品兴趣度的时间变化，基于这点提出一种基于中间商品兴趣度加权的内容推荐算法.改进算法增加了兴趣度时间权重函数和商品时间权重函数，可以提高商品推荐准确率，仿真试验结果证明该算法是有效的.关键词：电子商务;兴趣度;中间商品;推荐率;和用户兴趣度集儿之间的距离越小并且f(t)和f(v)的值越小，余弦相似度的值越大，用户对商品的兴趣度越大.3仿真分析为了验

2、证改进算法的真实性与有效性，在操作系统为Windows7，CPU为AMD四核3.0GHz,内存为4GB的PC上测试.算法用Java语言编写，将SQLServer2012屮某平台仓库的数据作为试验对象，提取出2015-2017年推荐系统推荐用户购买的商品及用户作为基础数据(每个用户至少购买过10件商品).随机抽70%的数据作为训练集，剩余30%作为测试集.试验评价标准.准确率(Precision)是针对预测结果而言的，表示预测为正的样木中有多少是真正的正样木.准确率4佥索山的相关信息量/检索出的信息总量;召冋率(Recall)是针对原来的样本而言的，表示样本中的正例有

3、多少被预测是正确的.召回率=检索出的相关信息量/系统屮的相关信息总量.将准确率和召回率作为体系评价指标，比较改进推荐算法和传统算法.式中:K为训练集中给用户的推荐列表，具体表示推荐给用户的商品数量;1；为用户在测试集上的行为列表，具体表示用户在测试集上购买商品的数量.不同算法的推荐准确率、召回率见表1，推荐时间见表2.表1推荐准确率、召回率Tab.1Recommendedaccuracyandrecallrateofdifferentalgorithms表2推荐时间Tab.2Recommendedtime卜载原表由表1,2可知:准确率越高用户在推荐系统中购买的商品越

4、多，召回率越高购买的商品在推荐列表中出现的次数越多.改进算法的准确率和召冋率都优于传统算法.本文按照用户兴趣度内容推荐，同时增加丫屮间商品兴趣度时间权重和商品时间权重作为推荐依据的一部分，从而提高了推荐的准确率和召回率.然而，随着推荐数量的增加，推荐算法的计算时间增幅较大，分析其原因，是由于用户兴趣度范围扩大造成的.4结语针对传统内容推荐算法不能反映用户兴趣度随时间变化的问题，提出了一种基于中间商品兴趣度加权的内容推荐算法.该算法针对用户商品兴趣度时间和商品时间，改进传统内容推荐算法，计算兴趣度高的Top-N商品推荐.仿真试验结果证明，改进算法的有效性和准确性都优于

5、传统算法，但改进算法的计算时间还不够理想.因此，提高计算速度将是下一步研宂的重点.[1]王国霞，刘贺平.个性化推荐系统综述[J].计算机工程与应用，2012,48(7):66-76.[2]王立才，孟祥武，张玉洁.上下文感知推荐系统[J].软件学报，2012,23(1):1-20.[3]郭磊，马军，陈竹敏，等.一种结合推荐对象间关联关系的社会化推荐算法[JL计算机学报，2014，37(1):219-228.[4]李聪，梁昌勇，马丽.基于领域最近邻的协同过滤推荐算法[JL计算机研究与发展，2008，45(9):1532-1538.[1]熊馨，王卫平，叶跃祥.电子商务个性

6、化产品推荐策略研究[J].科技进步与对策，2005(7):163-165.[2]王嫣然，陈梅，王翰虎，等.一种基于内容过滤的科技文献推荐算法[J].计算机技术与发展，2011，21(2):66-69.[3]李源鑫，肖如良，陈洪涛，等.时间衰减制导的协同过滤和似性计算[J].计算机系统应用，2013,22(11):129-134,158.[4]HaijunZhang,Tommy.Acoarse-to-fineframeworktoefficientlythwartplagiarismtj].PatternRecognition,2010,44(2):471-487.[

7、5]BurkeRobin.Hybridrecommendersystems:Surveyandexperiments[J].UserModellingandUser-AdaptedInteraction,2002,12⑷:331-370.[6]NicolasDelannay,MichelVerleysen.Collaborativefilteringwithinterlacedgeneralizedlinearmodels[J].Ncurocomputing,2008,71(7):1300-1310.[7]杨逸，曹祥玉，杨群.基于指数函数的归一化变步长LMS算法