1、分類號TP311密級公開重慶郵電大學碩士學位論文英文題目ResearchonCollaborativeFilteringRecommendationAlgorithmsBasedonDataSparsity碩士研究生指導教師學科專業(yè)論文提交日論文評閱人鄧曉亮答辯委員會主席邱玉輝教授2013年5月25日重慶郵電大學碩士論文摘要摘要電子商務規(guī)模的不斷擴大以及個性化推薦系統(tǒng)在電子商務中的廣泛應用，使得推薦系統(tǒng)成為一個非?；钴S的研究領(lǐng)域。其中，

2、協(xié)同過濾推薦是運用最成功的推薦技術(shù)之一。它依據(jù)目標用戶的鄰居用戶對該用戶進行推薦，但是，用戶評分數(shù)據(jù)的極端稀疏性降低了用戶之間相似度的計算精度，進而影響了用戶最近鄰居集的形成，這嚴重影響了系統(tǒng)的推薦質(zhì)量。為了緩解數(shù)據(jù)稀疏性問題對系統(tǒng)推薦質(zhì)量的影響，本文主要做了以下工作：(1)為了解決傳統(tǒng)方法在用戶項目評分矩陣上不能準確計算用戶之間相似度的問題，本文對相似度計算方法進行了改進，提出了基于用戶興趣特征和項目類別的協(xié)同過濾推薦算法。其中，用戶

3、對某一項目類別的興趣是通過用戶對屬于該項目類別項目的評價次數(shù)來衡量的。算法首先在用戶項目類別評分矩陣上計算用戶之間的評分相似度；然后在用戶項目興趣矩陣上計算用戶之間的興趣相似度，而且在計算用戶興趣相似度時考慮到了用戶的年齡因素；最后將評分相似度和興趣相似度進行加權(quán)融合作為用戶間的最終相似度對用戶進行推薦。(2)用戶之間的相似度不僅與他們的直接評分信息有關(guān)，還與他們的間接評分信息有關(guān)。為了解決傳統(tǒng)方法在計算用戶相似度時只考慮了用戶的直接評

4、分信息而忽略了用戶的間接評分信息的問題。本文又提出了基于間接相似度和項目類別的協(xié)同過濾推薦算法。算法首先基于直接評分信息計算用戶之間的直接相似度；然后基于間接評分信息計算用戶之間的間接相似度；最后將直接相似度和間接相似度進行加權(quán)融合作為用戶間的最終相似度對用戶進行推薦。(3)在Movielens數(shù)據(jù)集上將本文提出的兩種協(xié)同過濾推薦算法與傳統(tǒng)的協(xié)同過濾推薦算法進行對比實驗，驗證本文提出的算法的有效性。關(guān)鍵詞：協(xié)同過濾，數(shù)據(jù)稀疏性，項目類別