协同过滤推荐技术综述

协同过滤是推荐系统中广泛使用的推荐技术,研究人员对如何完善协同过滤推荐技术开展大量工作,但是相应的研究总结较少.文中对协同过滤的相关研究进行全面回顾,首先阐述协同过滤的内涵及其存在的主要问题,包括稀疏性、多内容及可扩展性,然后详细介绍国内外学者针对以上问题的解决方案,最后指出协同过滤下一步的研究重点.文中介绍一个相对完整的协同过滤知识框架,对理清协同过滤的研究脉络,为后续研究提供参考,推进个性化信息服务的发展具有一定意义.     

电子商务推荐系统中的协同过滤推荐

电子商务推荐系统中协同过滤已成为目前应用最广泛、最成功的推荐方法。它利用相似用户购买行为也可能相似的特性进行推荐。介绍了与其他方法比较协同过滤方法的优点,然后说明了一些主要的协同过滤实现方法,指出了还需改进和完善的地方以及未来研究的方向。     

基于协同过滤的移动电子商务个性化推荐系统若干研究

在简要介绍移动电子商务个性化推荐系统概念的基础上,给出了移动电子商务推荐系统EMC-PRS的模块结构。重点分析比较了基于最近邻居的协同过滤算法和基于项目评分预测的协同过滤算法。经测试发现,基于项目评分预测的协同过滤推荐算法可以显著提高个性化推荐系统的推荐质量。     

电子商务推荐系统中的协同过滤推荐

电子商务推荐系统中协同过滤已成为目前应用最广泛、最成功的推荐方法。它利用相似用户购买行为也可能相似的特性进行推荐。介绍了与其他方法比较协同过滤方法的优点，然后说明了一些主要的协同过滤实现方法，指出了还需改进和完善的地方以及未来研究的方向。     

基于协同过滤技术的音乐推荐系统的研究

推荐系统中,协同过滤技术的使用是推荐系统当中最好的技术,使得推荐系统的推荐质量得到很大的提高。本文主要介绍了当前比较流行的几种推荐算法,并主要讨论了在音乐推荐系统中,对协同过滤技术的使用,并分析了这几种推荐技术在使用中所存在的优缺点,以及协同过滤的发展方向。     

基于聚类的协同过滤电子商务个性推荐系统的研究

根据目前电子商务网站中商品个性化推荐的现状,重点分析了比较常用的一种推荐方法——协同过滤推荐方法,发现了目前协同过滤算法在应用中所面临的挑战和问题,主要包括:推荐质量低、推荐效率低、数据稀疏性、冷启动等问题。针对这些问题本文提出了一种基于用户兴趣度的聚类分析协同过滤算法,有效的解决了目前算法中存在的数据稀疏性等问题,通过实验数据的分析对比,证明了算法的合理性和有效性。     

基于三维协同过滤的C2C电子商务推荐系统

个人对个人电子商务(customer to customer,C2C)是目前主流的电子商务模式之一,为解决C2C电子商务网站中特殊的推荐问题,对传统的二维协同过滤方法进行了扩展,提出了能进行卖家和商品组合推荐的三维协同过滤推荐方法,并在此基础上设计了C2C电子商务推荐系统,阐述了该系统的基本架构和推荐过程中的关键运算.该系统利用卖家属性计算卖家相似度,并依据销售关系和卖家相似度对评分数据集进行填充,以解决三维评分数据的稀疏问题;采用协同过滤思想,利用历史评分计算买家相似度,获取最近邻并预测未知评分,最终将预测评分最高的卖家和商品组合推荐给目标买家.实验结果表明,该系统具有较好的推荐效果.     

一种基于改进信息熵的协同过滤算法

协同过滤算法是个性化推荐中应用最成功的技术之一,计算用户间的相似性是协同过滤算法的关键。而传统的相似性度量方法在数据稀疏和小用户交集时性能严重下降,因此本文提出了一种基于改进信息熵的相似性度量方法(NWDE),充分考虑了数据稀疏环境的特点,在计算用户间的相似性时综合考虑了用户间的交集大小以及评分差异的大小,使其得分更加真实。实验结果表明,在数据稀疏和小用户交集的情况下,该算法的推荐精度比传统方案取得了显著的改善。     

基于供求关系及协同过滤技术的推荐模型研究

推荐系统已经成功地应用于电子商务、数字图书馆等方面。但随着近年来公共服务平台的发展,现存的推荐系统不能有效处理公共服务平台中不同类型企业之间供求关系的推荐问题,不能针对供求关系产业链做出准确、迅速的推荐。因此,根据公共服务平台的供求关系产业链并结合协同过滤技术,提出了一种新的个性化推荐模型,它基于网络平台中的企业分类、供求关系等来建立模型,并通过建立企业类用户群来缩小协同过滤时用户群体的数量,降低计算时属性空间的维度,从而提高推荐的效率。使用该模型进行推荐可以更好地帮助企业建立沟通渠道、获得服务信息,满足企业个性化的要求。     

基于模糊聚类的协同过滤算法

针对传统协同过滤算法普遍存在的稀疏性和扩展性问题,提出一种基于模糊聚类的协同过滤算法。利用模糊聚类的方法对项目进行聚类,通过用户-项目评分矩阵计算用户之间的相似度,从中选出与用户最相似的前k个用户,根据这k个用户对当前用户的未评分项目的打分进行预测,选出前n个推荐。实验结果证明,与基于用户的协同过滤算法相比,该算法能提高冷启动问题下的相似度计算精度。     

协同过滤推荐算法的研究与改进

传统的基于用户的协同过滤推荐算法在计算用户间相似性时依赖于用户-项目评分矩阵,但在实际的商业系统中,用户参与的评价往往非常少,这样计算出的相似性精确度通常很低。文中提出结合用户相似性和基于项目分类特征的相似性计算方法,计算用户间的相似性,形成目标用户的近邻集合,完成向目标用户的推荐。文中在MovieLens数据集上的实验结果表明,相对于Pearson相似性的协同过滤推荐算法,文中提出的改进算法在推荐质量方面有明显提高。     

协同过滤算法在推荐系统中的应用

介绍了协同过滤算法,并对算法进行了改进,解决了用户稀疏的情况下传统算法的不足,同时通过引入评分阈值,显著提高了个性化协同过滤算法的推荐精度。     

基于协同过滤和标签的混合音乐推荐算法研究

结合音乐这一特定的推荐对象,针对传统单一的推荐算法不能有效解决音乐推荐中的准确度问题,提出一种协同过滤技术和标签相结合的音乐推荐算法。该算法先通过协同过滤技术确定相似用户,再通过相似用户对某一歌手的标签评分预测另一用户对该歌手的偏好程度,从而选择更符合用户喜好的音乐进行推荐,以此提升个性化推荐效率,为优化音乐推荐系统提供参考方法。     

个性化服务技术综述

对个性化服务技术中用户描述文件的表达与更新、资源描述文件的表达、个性化推荐技术、个性化服务体系结构以及该领域的主要研究成果进行了综述.通过比较现有原型系统的实现方式,详细讨论了实现个性化服务的关键技术.此外,分析了3个具有代表性的个性化服务系统.最后对个性化服务技术进一步研究工作的方向进行了展望.     

基于供求关系及协同过滤技术的推荐模型研究

推荐系统已经成功地应用于电子商务、数字图书馆等方面。但随着近年来公共服务平台的发展,现存的推荐系统不能有效处理公共服务平台中不同类型企业之间供求关系的推荐问题,不能针对供求关系产业链做出准确、迅速的推荐。因此,根据公共服务平台的供求关系产业链并结合协同过滤技术,提出了一种新的个性化推荐模型,它基于网络平台中的企业分类、供求关系等来建立模型,并通过建立企业类用户群来缩小协同过滤时用户群体的数量,降低计算时属性空间的维度,从而提高推荐的效率。使用该模型进行推荐可以更好地帮助企业建立沟通渠道、获得服务信息,满足企业个性化的要求。     

基于聚类分析的电子商务推荐系统

协同过滤技术可以通过分析客户群共同的消费品味来形成推荐。数据稀缺性问题是协同过滤技术面临的主要挑战。文章利用ROCK聚类算法提出了一种基于协同过滤技术的推荐系统模型,该模型可以有效地解决基于协同推荐的数据稀缺性问题。     

Hadoop云平台下的基于用户协同过滤算法研究

随着互联网的高速发展,海量新闻的个性化推荐成为一个重要课题,针对海量新闻的个性化推荐算法进行研究,以MapReduce的并行方法设计了基于Hadoop云平台下的协同过滤算法,利用MapReduce的并行方法,将传统的协同过滤算法并行化,并详细说明了并行化步骤和实现细节;最后用实验结果验证了改进的并行化的协同过滤算法在运行速度和执行效率方面有明显的提高,更适合处理大数据.     

基于核估计的电子商务协作过滤方法

论文对电子商务推荐技术进行了讨论,针对电子商务推荐技术存在的问题,提出了一种基于核估计的协作过滤方法,首先将推荐项的评分设定为其他人对推荐项评分的平均值,然后利用主成分分析进行降维,最后采用基于核估计的思想对推荐项进行预测评分。实验表明,该方法可以有效解决在用户评分数据极端稀疏情况下传统相似性度量方法存在的问题,大幅提高推荐系统的推荐质量。