面向個性推薦系統的協同過濾推薦算法研究

黃杰　張鑫燁　張錦濤

摘要：在信息過載的時代，推薦系統應運而生。協同過濾推薦系統算法是應用最成熟最廣泛的推薦技術。本文模擬電影推薦這一場景，應用了協同過濾推薦系統下不同推薦算法，并將推薦質量進行對比得出一個相對客觀的實驗結論。

關鍵詞：推薦系統;協同過濾;個性化推薦

中圖分類號：TP311 文獻標識碼：A 文章編號：1007-9416（2019）05-0136-01

0 引言

隨著信息技術和互聯網的發展，信息過載給用戶和生產者都帶來不小的挑戰。而推薦系統的產生正是為了應對用戶需求不明確以及長尾信息等問題。推薦系統通過分析用戶的歷史行為給用戶的興趣建模，從而為用戶推薦滿足其興趣和需求的信息。如今，協同過濾推薦系統應用到各類電商平臺，如亞馬遜、京東商城等等。在電影推薦領域，Netflix公司是最為成功的公司之一，其應用協同過濾推薦算法中基于物品的推薦算法。本文針對3種基于模型的協同過濾推薦算法，將其應用在模擬的電影評分環境中，并對其進行分析。其中包括：Slope One、SVD、SVD++。

1 協同過濾推薦算法

協同過濾的基本思想是，如果用戶在過去有著某種偏好，那么在未來也會有相似的偏好。基于此，如果兩個用戶的偏好有大量重疊，那么可以在他們之間進行項目的相互推薦。由于選擇感興趣的項目來自從大量集合中過濾出來的結果，而且用戶是在隱式地與其他人相互協作，因此這種技術稱為協同過濾。

目前，協同過濾推薦算法大致分類兩類：基于記憶的協同過濾算法和基于模型的協同過濾算法。……