網(wǎng)站中個(gè)性化推薦的探究

[摘 要] 傳統(tǒng)的協(xié)同過濾算法在計(jì)算用戶相似度時(shí)，只考慮其評分，而忽略了不同用戶評分的差異性。為此，本系統(tǒng)對傳統(tǒng)的協(xié)同過濾算法做了改進(jìn)，對貴賓用戶的評分進(jìn)行了加權(quán)處理，這樣可以提高某些商品的預(yù)測評分，從而提高推薦的質(zhì)量。

[關(guān) 鍵 詞] 個(gè)性化推薦；協(xié)同過濾算法；相似性

[中圖分類號(hào)] G203 [文獻(xiàn)標(biāo)志碼] A [文章編號(hào)] 2096-0603（2017）02-0156-01

一、協(xié)同過濾算法介紹

為了解決用戶的評分力度問題，用平均規(guī)范化可以解決。公式如下：

Pu■i■=■+■

用上述方法產(chǎn)生的對目標(biāo)用戶沒有評分的項(xiàng)目進(jìn)行預(yù)測評分，接著再按照評分的高低順序排列，把符合條件的前面幾項(xiàng)或大于某個(gè)閾值的前面幾項(xiàng)推薦給目標(biāo)用戶。

二、算法存在的問題

1.隨著用戶和商品數(shù)量的不斷增加，參與評分的數(shù)據(jù)規(guī)模也越來越大。

2.越是熱門的商品越容易得到推薦，而使冷門的商品無法被推薦。

3.算法中沒有考慮到用戶活躍度和推薦結(jié)果間的關(guān)系。

三、推薦公式改進(jìn)設(shè)計(jì)

（一）計(jì)算相似度的改進(jìn)

為提高推薦算法的性能，必須考慮長尾分布的影響。為此，可以在計(jì)算相似度時(shí)消除雙方都購買了熱門商品的影響。對于給定用戶u和用戶v，計(jì)算相似度的公式可以改進(jìn)如下：Wu？淄=■

其中，參數(shù)N（u）表示目標(biāo)用戶u曾經(jīng)購買商品后對商品的正反饋的集合，參數(shù)N（v）表示購買了目標(biāo)用戶相同商品的用戶v對商品的正反饋的集合。公式中增加了■用來懲罰目標(biāo)用戶u和用戶v在購買共同商品的興趣列表中熱門商品對其相似度的影響。

（二）計(jì)算用戶興趣度的改進(jìn)

對VIP用戶的評分進(jìn)行加權(quán)處理。在推薦系數(shù)相同（普通用戶為1）的情況下，VIP用戶可以獲得一定的推薦權(quán)值，從而對結(jié)果產(chǎn)生一定的影響。具體采用多少和VIP用戶的等級有關(guān)。

而用戶興趣度的計(jì)算公式可以改為：P（u，i）=■

其中，參數(shù)S（u，K）指和目標(biāo)用戶u興趣愛好最接近的前K個(gè)用戶，參數(shù)N（i）是指對商品i曾經(jīng)有過正面反饋行為的所有用戶集合，wuv是前面步驟中計(jì)算出的目標(biāo)用戶u和其他用戶v的相似度，rvi表示鄰居用戶v對物品i的興趣度。如果該鄰居用戶是普通用戶，它取值為1，對于VIP用戶來說，可以增加適當(dāng)權(quán)值參與計(jì)算。

四、實(shí)驗(yàn)設(shè)計(jì)

1.把數(shù)據(jù)集隨機(jī)均勻分為8份，選擇任意一份作為測試集，剩下的7份作為訓(xùn)練集。

2.在訓(xùn)練集上建立用戶興趣模型。在測試集上通過鄰居用戶的評分?jǐn)?shù)據(jù)來計(jì)算目標(biāo)用戶對未知商品的預(yù)測評分，并且計(jì)算出相應(yīng)的評測指標(biāo)。

3.為了使測試結(jié)果更加真實(shí)全面，數(shù)據(jù)對比性強(qiáng)，實(shí)驗(yàn)中對推薦個(gè)數(shù)的取值設(shè)為（5，10，20，40，80，160）。

參考文獻(xiàn)：

[1]李海霞.基于蟻群聚類的電子商務(wù)商務(wù)個(gè)性化推薦算法研究[D].山東師范大學(xué)，2014.

[2]劉恒.基于協(xié)同過濾的推薦技術(shù)研究[D].蘭州理工大學(xué)，2014.