基于協(xié)同過(guò)濾的個(gè)性化推薦算法研究與實(shí)踐

1、 石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào) 年第 期 總體上，MAE 值會(huì)隨著鄰居用戶(hù)個(gè)數(shù)的增加而減小，但是，從圖 1 中，我們可以看到當(dāng)鄰居用 戶(hù)的個(gè)數(shù)增加到 12 和 16 的時(shí)候，MAE 值反而增大，這是因?yàn)獒槍?duì)每一種算法，都有一個(gè)理想的鄰 居用戶(hù)大小，如果鄰居用戶(hù)的個(gè)數(shù)不在理想范圍內(nèi)時(shí)，會(huì)影響算法的預(yù)測(cè)值，最終得到的 MAE 值 可能會(huì)出現(xiàn)反彈情況。但是，在多數(shù)情況下，我們提出的改進(jìn)算法的 MAE 值較小，推薦精度就較 高。 算法的性能分析 評(píng)價(jià)算法優(yōu)劣的基本標(biāo)準(zhǔn)有：正確性、可讀性、健壯性、快速性和節(jié)省性。我們對(duì)改進(jìn)的算法 進(jìn)行了時(shí)間復(fù)雜度分析，其用戶(hù)數(shù)目是 n，項(xiàng)目數(shù)目是 m，該算法的時(shí)間復(fù)雜度是

2、 0（m2 +n2 +m×n） 這是最壞情況下的時(shí)間復(fù)雜度。改進(jìn)的算法和基于用戶(hù)的協(xié)同過(guò)濾算法、基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同 過(guò)濾算法具有相同的時(shí)間復(fù)雜度。 結(jié)語(yǔ) 通過(guò)這次設(shè)計(jì)， 實(shí)現(xiàn)了基于用戶(hù)的協(xié)同過(guò)濾算法和基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾算法的基礎(chǔ)上， 提出了一種改進(jìn)算法，圓滿(mǎn)完成了設(shè)計(jì)。但是，電子商務(wù)推薦系統(tǒng)中還有許多值得研究的問(wèn)題，比 如同義詞關(guān)鍵字的匹配、提高推薦算法的運(yùn)算性能和及時(shí)性等等。在以后會(huì)繼續(xù)學(xué)習(xí)和研究這方面 的知識(shí)，以期獲得更好的成績(jī)。 （責(zé)任編輯張宇平） 參考文獻(xiàn)： 1周惠宏,柳益君,張尉青,謝俊元.推薦技術(shù)在電子商務(wù)中的運(yùn)用綜述J.計(jì)算機(jī)應(yīng)用研究,2004(1:812

3、2余力,劉魯.電子商務(wù)個(gè)性化推薦研究J.計(jì)算機(jī)集成制造系統(tǒng),2004.10,10(10:13061313 3曾艷,麥永浩.基于內(nèi)容預(yù)測(cè)和項(xiàng)目評(píng)分的協(xié)同過(guò)濾推薦J.計(jì)算機(jī)應(yīng)用,2004.1,24(1:111113 4趙智,時(shí)兵.改進(jìn)的個(gè)性化推薦算法J.長(zhǎng)春大學(xué)學(xué)報(bào),2005.12,15(6:2629 5谷秀巖,姜林楓,張子怡.基于用戶(hù)瀏覽行為度量瀏覽興趣的研究J.信息技術(shù)與信息化,2005.4,4345 Research on and Practice the Collaborative Filtering Algorithms for Personalized Recommendation L

4、iu Dan Chu Beibei Zheng Lijuan (Shijiazhuang Railway Institute Shijiazhuang Hebei 050043 China Abstract ： The project is designing and implementing an on-line bookshop based on the collaborative filtering algorithms. In the system, we implement the user-based collaborative filtering recommendation algorithm and the collaborative filtering recommendation algorithm based on item rating prediction. And the system can show users the personalized recommendations. Key w