融合聚类和矩阵分解的社会化推荐方法研究.pdfVIP

摘要

随着互联网信息技术的迅速兴起和蓬勃发展,以及新一代移动智慧终端在我

国得到的广泛应用，这些为人们的日常生活带来了庞大的信息量和数据。面对这

些信息量，消费者往往希望能够快速准确地找到自己所需要的信息和数据，而生

产商则更多地希望通过这些数据来提升自己的产品和服务质量。现阶段有几种解

决办法，有哪些信誉好的足球投注网站引擎是通过对照关键词获得有哪些信誉好的足球投注网站结果，可是人们却往往很难提供有

效的关键词。而推荐系统则可以在某些方面得到更为合理的结果，帮助用户迅速、

有效地筛选海量的数据得到所需的信息。

随着推荐系统不断被深入研究，新的推荐算法不断被提出，传统的协同过滤

算法虽然在科学探讨和现实商业中应用最为普遍，但是仍存在不足。协同过滤算

法只根据用户打分信息，从而计算得到预测的得分数据，但这样所涉及的范围过

于单一，没有考虑到用户在社会交流活动中产生的用户信任信息及一些不可知的

因素而造成的用户对某一个项目的偏爱问题。针对上述问题，本文提出了一种改

进后的混合推荐算法，主要内容如下：

一、协同过滤存在有数据稀疏缺陷，所以在矩阵补全过程中定义用户信任值，

考虑好友熟悉度和好友兴趣度对矩阵补全的影响，使得缺省项的补全值更能贴近

用户的实际情况，在此基础上进行协同过滤算法，能够使得算法误差减小，推荐

准确度更高；再使用改进的K-均值算法对全部项目进行聚类，得到多个内部相

似度比较高的簇，从而使得计算协同过滤算法时算法的效率得以提升，进一步提

高算法精确度。

二、对用户进行打分时，可能因为不确定性等因素而影响其他用户，再由本

文提出的用户信任值得到的结果，提出结合用户信任值和矩阵分解算法的混合算

法。在进行矩阵分解的过程开始之前使用户信任值作为填充项目原始评分项，接

着对处理后的矩阵进行分解成一个用户的预测未知特征矩阵P和一个项目的预

测未知特征矩阵Q，然后经由矩阵乘法得到的预测评分矩阵。最后考虑到两种算

法的优势，整合出一种使用上述技术的混合算法，该算法充分考虑到单个算法所

具有的局限性问题，并有效提高了预测打分的精确度。

I

最后本文将算法应用到FilmTrust数据集上来验证融合聚类和矩阵分解的社

会化推荐算法的有效性。实验结果表明本文提出的算法有效地提高了推荐准确

度。

关键词：

协同过滤，用户信任值，聚类算法，矩阵分解。

II

Abstract

WiththerapidriseandvigorousdevelopmentofInternetinformation

technology,aswellasthewidespreadapplicationofanewgenerationof

mobilesmartterminalsinourcountry,thesehavebroughthugeamounts

ofinformationanddatatopeoplesdailylives.Facedwiththisamount

ofinformation,consumersoftenhopetofindtheinformationanddatathey

needquicklyandaccurately,whilemanufacturerswanttousethesedata

toimprovethequalityoftheirproductsandservices.Thereareseveral

solutionsatthisstage.Searchenginesobtainsearchresultsbycomparing

keywords,butitisoftendifficultforpeopletoprovideeffective

keywords.Therecommendationsystemcangetmorereasonableresultsin

someaspects,helpingusersto