基于用户特征和商品特征的组合协同过滤算法

商 品 特 征 的组 合 协 同过 滤推 荐 算 法 。通 过 用 户基 本 属 性 特 征 、 物 品 分 类属 性 特 征 以及 用 户 的历 史 评 分 记 录 ， 计 算 用 户的 相 似 性 和 物 品 的相 似性 ， 获得 近 邻 用 户 和 相 似 物 品 ； 依 据 改 进 的 基 于 物 品 协 同过 滤 和 基 于 用 户协 同过 滤 组 合 推
中 图分 类 号 ： ＴＰ ３ １ ２
文 献标 识 码 ： Ａ
文章 编 号 ： １ ６ ７ ２ — ７ ８ ０ ０ （ ２ ０ １ ５ ） ０ ０ ３ — ０ ０ ４ １ － ０ ３ 在 大数据中的信息 ， 帮助用 户迅速 获得所 需信 息 ， 提 高 信
０ 引言
随 着 互 联 网信 息 的海 量 增 长 ， 一 方 面 用 户 很 难 从 海 量
第ｌ ４ 卷 第３ 期 ２ ０ １ ５ 年 ３ 月
软 件 导 刊
Ｓｏ ｆ ｔ ｗａ ｒ ｅ Ｇｕ ｉ ｄ ｅ
Ｖｏ１ ．１ ４ ＮＯ． ３
Ｍａ ｒ ． ２Ｏｌ ５
基 于 用 户 特 征 和 商 品 特 征 的 组 合 协 同过 滤 算 法
孟庆庆 ， 张胜 男 ， 卢 楚 雍
预 测 目标 用 户 对 目标 物 品 的喜 爱 程 度 ， 根 据 最 终计 算 结 果
排序 ， 将 评 分 较 高 的物 品 推 荐 给 用 户 。基 于 物 品 的 协 同过 滤的基本思想 是 ： 如 大 量 用 户 对 两 个 物 品 的 评 分 非 常 相 近， 则 两 个 物 品是 相 似 的 ， 先 计 算 出物 品 之 间 的 相 似 性 ， 再 找出近邻物 品， 结 合 用 户 对 近 邻 物 品 的 评 分 计 算 出 对 当前
（ 武汉 大 学 测 绘遥 感信 ． ｇ － 工程 国 家重点 实验 室 ， 湖 北 武汉 ４ ３ ０ ０ ７ ９ ）
摘 要 ： 协 同过滤算 法在 电子商务网站推荐 系统 中的应 用非 常广泛 ， 其通过分析 大量 用户的历 史行 为数 据， 挖掘 用户
的兴趣 ， 向用户推荐合适的物品 。然而， 协 同过 滤 算 法 存 在 数 据 稀 疏 性 问题 。 针 对 该 问 题 ， 提 出一 种 基 于 用 户 特 征 和
使用 的分析数据 ， 分 为 基 于 用 户 行 为 数 据 的推 荐 、 基 于 标 签的推荐 、 基 于 上 下 文 信 息 的 推荐 、 基 于社 交 网 络 的 推 荐 。
随 着 互 联 网络 的发 展 和大 数 据 浪 潮 兴起 ， 人们 逐 渐 意 识 到 推 荐 引 擎 的重 要 性 ， 好 的 推荐 系 统 能够 充 分 挖 掘 隐 含
系统『 ８ ］ 。协 同过 滤 算 法 主 要 有 两 种 ： 基 于 用 户 的协 同 过 滤 和 基 于 物 品 的 协 同 过 滤 。 基 于 用 户 协 同 过 滤 的 基 本 思 想 是 在 大 量 的 用 户 中挖 掘 出 和 目标 用 户 具 有 相 同 兴 趣 的 用 户， 作 为 目标 用 户 的近 邻 ， 根 据 近 邻 与 目标 用 户 的 相 似 度 ，
荐算法 ， 为 项 目进 行 评 分 。 实验 表 明 ， 该 方 法 能 降低 预 测 结 果 的 平 均 绝 对 误 差 ， 提 高推 荐 精 度 。
关键词 ： 协 同过 滤 ； 属性特征 ； 数据稀疏性 ； 平 均 绝 对 误 差
Ｄ ＯＩ ： １ ０． １ １ ９ ０ ７ ／ ｒ ｉ ｄ ｋ ． １ ４ ３ ８ ８ １
目前 ， ａ ｐ ａ ｃ ｈ ｅ ｍａ ｈ ｏ ｕ ｔ 推荐系统平 台， 可 以帮 助 开 发 人 员 快 速搭建推荐系统 。
１ 传 统 推 荐 算 法
１ ． １ 协 同 过 滤 算 法
种工具 ， 可 以帮 助用 户 方便 获 取 感 兴 趣 的信 息 。推 荐 系统 技 术 的 出现 ， 使用 户不再是 被动 的 网页浏览 者 ， 而 成 为 信
信 息 中发 现 自己真 正 所 需 的 信 息 ； 另 一 方 面 也 使 得 大 量 少 人 问 津 的信 息 成 为 网 络 中 的 “ 暗信息” ， 无 法 被 一 般 用 户 获 取口 ］ 。推 荐 系 统 作 为互 联 网 信 息 和用 户 快 速 连 接 的一
息查询 效率 ， 改善 用户 体验 ， 同时方便 为企 业推 销产 品 。
物 品 的评 分 。基 于 物 品 的协 同过 滤 算 法 分 为 两 步 ： ① 计 算 物品之间的相似度 ； ② 根 据 物 品 的相 似 度 和 用 户 的 历 史 行
目前 ， 对 于 推 荐 系 统 还 没 有 明确 的 分 类 体 系 ， 本 文 对
推 荐 系 统作 如 下 划 分 ： ①根据算 法原 理 ， 分 为 基 于 协 同 过 滤算法 的推荐 、 基 于 内容 的推 荐 、 基 于 关 联 规 则 的推 荐 、 基 于知 识 的 推 荐 、 混合推荐 ； ②根据应用场景 ， 分 为 电 子 商 务 应用 中的推荐 、 社 交 好 友 的推 荐 、 信 息 内容 的 推 荐 ； ③ 根 据
息 获 取 的 主动 参 与者 ］ 。推 荐 系 统 的 核 心 思 想 是 从 海 量 的用 户 历 史 行 为 数 据 中 分 析 出 与 用 户 兴 趣 相 关 的 物 品 信
协 同 过 滤 算 法 是 目前 应 用 最 为 广 泛 的 个 性 化 推 荐 技
术 ］ ， 其 中 Ｇｒ ｕ ｎ ｄ ｙ被 认 为是 第 一 个 投 入 应 用 的协 同 过 滤
息， 并 向用户进行 推荐 。推荐系统在 电子商务领域应用 非
常广泛 ， 如淘宝 、 京东 、 亚 马 逊 等 大 型 网站 均 有 应 用 。 亚 马 逊 的购 书 推荐 系 统 ， 可 根 据 用 户 的购 买 情 况 ， 向用 户 推 荐 相 关 书籍 ； ３ ６ ０浏 览 器 的 “ 猜 你 喜欢” 功能， 可 根 据 用 户 的 点击情 况 ， 向用 户 推 荐 相 关 信 息 等 。