蔡雄峰　艾麗華　丁丁

摘要：協(xié)同過濾算法是推薦系統(tǒng)中最古老的算法之一，同時(shí)也是當(dāng)今推薦系統(tǒng)中使用最廣泛的一種算法。但是在簡(jiǎn)單，效率高的同時(shí)，協(xié)同過濾算法還存在數(shù)據(jù)稀疏性，冷啟動(dòng)等一些問題.本文針對(duì)其數(shù)據(jù)稀疏性的問題，提出了一種根據(jù)興趣度預(yù)測(cè)用戶未評(píng)分項(xiàng)目的方法。最后通過基于Netflix數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，該方法能夠更好的處理稀疏矩陣，能緩解數(shù)據(jù)稀疏問題，從而提高了協(xié)同過濾算法的準(zhǔn)確性。

關(guān)鍵詞：協(xié)同過濾；推薦系統(tǒng)；數(shù)據(jù)稀疏；興趣度；填充矩陣

中圖分類號(hào)：TP391.1 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.3969/j.issn.1003-6970.2015.03.009

本文著錄格式：蔡雄峰，艾麗華，丁丁.一種緩解協(xié)同過濾算法數(shù)據(jù)稀疏性的方法[J].軟件，2015，36（3）：41-47

0.引言

當(dāng)今互聯(lián)網(wǎng)世界中最常見的智能產(chǎn)品可以說是推薦系統(tǒng)了。推薦系統(tǒng)在如今互聯(lián)網(wǎng)的應(yīng)用和產(chǎn)品中已被廣泛采用，比如大家每天都可能會(huì)使用到的相關(guān)搜索、微博上的熱門推薦、電子商務(wù)網(wǎng)站的各種產(chǎn)品推薦、Facebook等社交網(wǎng)站上的好友推薦等等。伴隨著互聯(lián)網(wǎng)信息爆炸式的增長，“信息過載”問題變得越來越嚴(yán)重。人們面對(duì)海量的數(shù)據(jù)，非常困難迅速有效的找到自己感興趣，自己所真正需要的信息。目前解決這個(gè)問題大致有兩種方法，第一種是以搜索引擎為代表的信息檢索技術(shù)，第二種是以推薦系統(tǒng)為代表的信息過濾技術(shù)。這些技術(shù)都可以從海量數(shù)據(jù)中幫助用戶找到自己想要的信息。

協(xié)同過濾是已被提出的推薦算法中應(yīng)用最多，且最為有效的算法。其已被應(yīng)用到諸多商業(yè)場(chǎng)景中。然而，協(xié)同過濾算法存在例如冷啟動(dòng)，數(shù)據(jù)稀疏性等問題仍需要解決。協(xié)同過濾算法是基于用戶與項(xiàng)目之間的評(píng)分信息的。因此，評(píng)分信息的豐富性和完整性則顯得尤為重要。相關(guān)研究表明，一個(gè)網(wǎng)站上用戶對(duì)項(xiàng)目的評(píng)分不會(huì)超過用戶一項(xiàng)目評(píng)分矩陣大小的1%，這就產(chǎn)生了數(shù)據(jù)稀疏性的問題，從而導(dǎo)致推薦系統(tǒng)精度下降。所以，緩解矩陣的稀疏性對(duì)于一個(gè)推薦算法來說是至關(guān)重要的。