协同过滤推荐算法综述.docVIP

首都师范大学文献检索论文

基于协同过滤的推荐算法综述

SurveyofCollaborativeFilteringBasedRecommedationAlgorithm

论文作者

院系

课程

学号

指导老师

完成日期

基于协同过滤推荐算法综述

**

（首都师范大学**学院，北京100048）

摘要：在当今这个电子商务时代，推荐系统越来越受到重视和普及。其中，基于协同过滤的推荐是目前应用最广泛的系统。本文首先将介绍协同过滤的基本概念和原理，其次会展示当前主流的几种基于协同过滤推荐算法，并指出这些算法相应的优点，最后，对此类算法的问题及对策进行说明。

关键词：协同过滤推荐电子商务

SurveyofCollaborativeFilteringBasedRecommedationAlgorithm

ZHOUTian

（CollegeofInformationEngineering,CapitalNormalUniversity,BeiJing100048）

Abstract：RecommandersystembecomesmoreandmoreimportantandpopularinthisE-commerceAge.Amongthem,CollaborativeFilteringRecommendationisthemostwidelyusednow.ThispaperfirstintroducethebasicconceptandprincipleofCollaborativeFiltering.Then,showssomemainstreammethodandpointsoutthecorrespondingadvantages.Atlast,itpresentssomeproblemsandsolutionsofthisalgorithm.

Keywords：CollaborativeFiltering,RecommendationAlgorithm,E-commerce

引言

近20年，网络飞速发展，随之而兴起的是电子商务的崛起，一些大的网络购物网站慢慢出现。在日常生活中，越来越多的人逐渐适应了这种便捷的购物方式。就商家而言，如何为用户提供适合自己的商品是一个必须要解决的问题。在这种背景下，推荐系统应声而出[2]。所谓推荐，就是从复杂的系统或商品中，为用户选择出适合用户，并且用户喜欢的信息或者商品。推荐系统是一个比较复杂的过程，它包括了四个步骤：数据采集；数据与处理；形成推荐；结果显示[1]。主流的推荐算法有基于内容的推荐，基于协同过滤的推荐，基于知识的推荐等。这其中，本文介绍的基于协同过滤的推荐算法应用的最广，同时也具有最好的应用前景。协同过滤的概念是由Goldberg、Nicols、Oki以及Terry在1992年首次提出的[3]，其中心思想是：对于某个用户，如果其他邻居用户与他有着相近的喜好，那么邻居用户喜欢的东西，他也可能喜欢。因此，协同过滤技术适用于用户群量少兴趣密度高而用户评价信息较多的系统。Schafer称协同过滤推荐为“人与人的相关性推荐”[4]。它最大的优点就是，对推荐对象没有特殊的要求，能处理音频、视频等非结构化的复杂对象。这个算法是基于一个假设的，要求找到用户的邻居，然后根据邻居选择的东西来对用户进行推荐[5]。本文将介绍几种现在应用最多的协同过滤推荐算法，之后还要分析一下此类算法的问题和对策。

基础的协同过滤的推荐算法

基于用户的协同过滤推荐算法

此算法是目前应用最广的个性化推荐技术，它的中心思想是将具有相同爱好的用户感兴趣的项目推荐给目标用户。如果一个用户与目标用户相邻，则可以根据此用户的喜好来对目标用户进行推荐或者预测目标用户对某项目的喜好程度[3]。

基于用户的协同过滤推荐算法可以分为三个步骤：

构建用户—项目评价矩阵[6]

用一个M*N的矩阵来表示M个用户对N个项目的看法或者喜爱程度，在矩阵中的每个元素rij表示的是第i个用户对第j个项目的喜爱程度。

产生邻居

这是基于用户的协同过滤推荐算法的核心部分。通过计算系统中所有用户的相似度，为目标用户生成最近的K个邻居。计算用户相似度的方法共有三种[7]：

余弦相似性：

用户对项目的评价可