基于可信相似度传递的协同过滤算法研究与应用

【摘要】：随着互联网的持续发展,电子商务在近年来进入了高速增长期。电子商务产生的越来越多的产品信息也使得用户难以快速地找到自己喜欢的产品。同时,电子商务企业也面临着如何及时向用户提供其感兴趣的产品,来提高销售量的问题。推荐系统是解决此类“信息超载”问题的有效方法,而协同过滤技术是在推荐系统中应用最广泛,效果最好的技术之一。但是协同过滤技术也面临着数据稀疏,冷启动,扩展性等问题。 在对电子商务推荐系统及常见推荐技术的优缺点进行了深入分析的基础上,针对协同过滤算法中的数据稀疏问题,提出了基于可信相似度传递的协同过滤算法。首先介绍了在传统的基于用户的协同过滤算法中进行用户信任建模的方法,然后提出了基于可信的相似度传递方法,并且将信任关系应用在预测用户对商品的评分过程中。实验证明,在评分数据稀疏的情况下,该算法较好地改进了基于用户的协同过滤算法的预测评分覆盖率和精确度。 同时,将此算法运用在一个电子商务网站的推荐功能模块中,实现了商品的推荐功能,提高了顾客的满意度。