一種基于云模型的融合相似度推薦方法

［馬建勇 周宇紅］

一種基于云模型的融合相似度推薦方法

［馬建勇 周宇紅］

云模型 協同過濾 推薦系統 相似度

馬建勇

重慶郵電大學通信與信息工程學院，宇龍計算機通信科技（深圳）有限公司。

周宇紅

重慶郵電大學通信與信息工程學院。

1 引言

最近鄰協同過濾技術是當前最成功的推薦技術［1］之一，它基于評分相似的最近鄰居的評分數據向目標用戶推薦信息。隨著電子商務系統規模的進一步擴大，用戶數目和項目數據急劇增加，導致協同過濾技術的稀疏性問題越來越嚴峻，影響了推薦系統的推薦質量。

為解決數據稀疏性問題，一些學者采用對稀疏的用戶-項矩陣進行填充的技術來提高相似度度量效果。處理過程如下：（1）采用預測評分的方式先估算出未評分項目的評分，將用戶-項矩陣填充完整；（2）在得到的稠密矩陣上計算用戶間的相似度，以最近鄰算法進行推薦［2］，由于該算法在計算項目相似性時仍然沿用傳統的相似性計算方法，而且沒有考慮項目的分類信息，從而影響了推薦質量。文獻［14］引入了項目分類信息，采用修正的條件概率計算項目之間的相似性，并用于對用戶沒有評價過的項目進行評分估計，填充用戶-項矩陣，進而根據填充了的用戶-項矩陣計算用戶相似性，取得了不錯的效果。然而，該算法依然把用戶對所有項目的評分作為單個向量進行用戶相似度的計算和指導最近鄰居的選擇，在一定程度上影響了算法的效能。……