浅谈基于协同过滤的个性化推荐算法
立即下载
独奏♪
2024-08-24
过滤
用户
协同
推荐
算法
项目
评分
目标
利用
系统
33.3 KB
浅谈基于协同过滤
算法的个性化推荐
姓名：
学号：
班级 :
学院 :
年 月 日
摘要
协同过滤是如今推荐系统中最为成熟的的一个推荐算法系类， 是利用群体的喜好
来推测使用者的喜好， 从而向用户产生推荐的算法。 当前协同过滤算法大致可以
分为基于用户的协同过滤算法和基于项目的协同过滤算法。 协同过滤为主要算法
的推荐系统的应用领域日益广泛，电子商务是其应用的最主要和最成功的领域。
但协同过滤算法仍具有很多不足之处， 最突出的不足分别是数据稀疏性问题， 冷
启动问题和系统延伸性问题。 在已有的理论和实践研究基础上， 个人提出了协同
过滤推荐值得深入研究的方向应包括多维数据的交叉利用， 从而提高协同过滤推
荐的精准度。
关键字： 协同过滤推荐，基于用户，基于项目，数据稀疏，冷启动，系统延
伸性，多维数据的交叉利用
正文
一、协同过滤推荐的基本定义
（一）协同过滤推荐的概念
协同过滤是如今推荐系统中最为成熟的的一个推荐算法系类， 简单来说是利
用某兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的资讯， 个人透
过合作的机制给予资讯相当程度的回应 (如评分 )并记录下来以达到过滤的目的
进而帮助别人筛选资讯， 回应不一定局限于特别感兴趣的， 特别不感兴趣资讯的
纪录也相当重要。
（二）协同过滤推荐的主要算法概述
当前协同过滤算法大致可以分为两类，一类是基于用户的协同过滤算法，一
类是基于项目的协同过滤算法。
基于用户的协同过滤推荐根据相似用户群的观点来产生对目标用户的推荐。
基本思想是如果某些用户对部分项目的评分趋于一致或是很接近， 可以认为他们
对其它项目的评分差异就比较小， 进一步，可以使用这些相似用户的项目评分值
对目标用户的未评分项目进行估计。 基于用户的协同过滤使用数理统计的方法来
寻找与目标用户有相似兴趣偏好的最近邻居用户集合， 再以最近邻居用户对特定
项目的评分为基础使用一定的数学方法来预测目标用户对该特定项目的评分， 而
预测评分最高的前 N个商品可以看作是用户最有可能感兴趣 top-N 商品返回给目
标用户（这就是所谓的 top-N 推荐）。 基于用户的协同过滤推荐算法的核心思想
是利用数理统计的方法为目标用户寻找他的最近邻居用户集， 再以最近邻居用户
对特定项目的评
过滤/用户/协同/推荐/算法/项目/评分/目标/利用/系统/
过滤/用户/协同/推荐/算法/项目/评分/目标/利用/系统/
-->