电子商务协同推荐技术研究综述分析

协 同 过 滤 技 术 分 为 两 种 类 型 ：基 于 内 存 的 协 同 过 滤
（ ｍｏ ｙ ｂ ｓ ｄ Ｃ 和 基于 模 型 的协 同过 滤 方法 （ ｄ ｌ Ｍｅ ｒ — ａ ｅ Ｆ） Ｍｏ ｅ—
ａ ｅ Ｆ），而 基于 内存 的协 同过 滤 方法 又 分 为Ｕ ｅ — ａ ｅ ｓ ｂｓ ｄ ｒ 角 下的 协 同推 荐 技 术 。接 着分 析 了电子 商 务协 同推 荐技 术 研 究 ｂ ｓ ｄ Ｃ ｔ ｅ ｂｓｄ ｓ ｒ ｂｓ ｄ 存 在 的问 题 和进 一 步研 究 方 向 ，希 望为 国 内 相关 学 者研 究 提 供 和 ｌ ｍ— ａ ｅ 协 同过 滤两 种形 式 。 Ｕ ｅ — ａ ｅ 方法 的基 本思 参考 。
技 术 ；三 是 社会 网络视 角 下 的协 同过 滤技 术 ；最 后 对 现 有研 究 缩 小 相 似 用户 搜 索范 围 、数 据 稀 疏 、相 似 性评 价 等 问题 ，提 出
务 系统 的协 同推 荐技 术 提 出 了更 高 的要 求 。本 文 从三 个 方 面综 产 生 目标 用 户对项 目的评分 或者是 Ｔ ｐ ｋ ｏ — 个项 目，实现推 荐 。
述 了电 子商 务 协 同推 荐 技 术研 究 现状 ：一 是传 统 的协 同推 荐技 术 ；二 是基 于 用 户 兴趣 变 化 的协 同推 荐 技 术 ；三 是社 会 网 络视
目没 有被 同一 个 用 户评 分 过 ，那 么 这两 项 目之 间 的相似 度 也 无
户 的在 线购 物体 验 ，对 电子 商 务 的个 性 化服 务 提 出 了更 高 的要 法计 算。 因而许 多 学者 考 虑 将 用户 和项 目结 合起 来 ，产 生混 合 推荐 算法 ，解 决上 述 问题 。
想是 在评 分矩 阵上利 用相 似 性度 量 找 到与 目标 用 户 兴趣 偏好 相 似 的近邻 用 户集 合 ，然 后再 根据 各 近邻 用 户对 未知 项 目７ ． 的评 分 来预测用户ｆ 的评分值 ，并最终形成Ｔ ｐ ｋ 对／ ｏ — 个推荐 目标。然而
若 两 个 用 户没 有 对相 同的 项 目进 行打 分 ，即使 这 两 个用 户 的 兴
关 键字 ：社 会 网络 分析 ；电子商 务 ；协 同推 荐 ；社 区结构 中图分 类号 ：Ｔ ３ １ Ｐ ９
引 言
随 着 社 会 化 网络 服 务 的 发 展 ，用 户 的个 性 日益 彰 显 ，消 费 内容和 形 式 日趋 多 样 化 ，且 具 有一 定 的 时变 性 ，如 何 利 用 网 络 的社 会化 属 性促 进 商 品 的发 现 、推 荐 、 分享 和 共购 ，提升 用 求 。推 荐技 术 被 认 为是 继搜 索技 术 之后 ，解 决 “ 息过 载 ” 问 信 题 、为 用 户提 供 个性 化 服务 最 具 价值 的技 术。 而 协 同过 滤 同推荐技术研究综述分析
文 ／张 莉
表示第 ｆ 个用 户对 第 ．个 项 目的评 分 ），查 找 ７ 摘 要 ：随 着社 会化 网络服 务和 电子 商务 的发 展 ，用户 的消 户 、项 目数 量 ，尺 费 内容 和形 式 日趋 多样 化 ，且 具 有一 定 的 时变 性 ，这 对 电 子商 目标 用 户 的近邻 用 户（ 即相似 用 户） ，通过 近邻 用 户对 项 目的评 价
趣爱 好 都 相 同 ，该 方法 也无 法 得 出他 们 之 间 的相 似 度 。 Ｉ ｍ— ｔ ｅ ｂｓｄ ａ ｅ 方法 是通过 计 算项 目之 间 的相 似 性来代 替 用户 之间 的相似 性 ，解 决 了上 述 问题 ，并 且 发现 基 于项 目相似 性 比基于 用 户 相 似性 推 荐 的效 果 更 好 。然 而又 产 生 了新 问题 ：如 果 两 个相 似 项
随着 电子商 务 用 户数 量 和 项 目数 量 急剧 增长 ，评 分矩 阵 存
因 为不 需 要 分析推 荐 对 象 的 内容 特征 属 性 ，对 推 荐对 象没 有特 在 严 重 的数据 稀 疏 问题 ，导 致 了推 荐质 量 低 下 ；另 外 随着 数 据
殊 要 求 ，成 为 了 实现 个 性 化推 荐 服 务 中 比较 成 功 的 方 法…，许 规 模 的不 断增 加 ，Ｍｅ ｒ— ａ ｅ 算 法在计 算 量 上和 实 时性 上 ｍｏｙ ｂ ｓ ｄ 多 大型 电子 商务 系统 ，￣ Ａ ｚ ｎ Ｂ ｙ ． ｍａ ｏ 、ｅ ａ 、淘 宝 网 等 不 同程度 面 临严 峻 挑 战。 因而 － ￣学 者 提 出基于 模 型 （ ｄ ｌｂ ｓ ｄ） １ ］ Ｌ Ｌ Ｍｏ ｅ— ａ ｅ 使 用 了协 同推 荐 技 术 。近 几 年 国 内外学 者 在协 同推荐 技 术 方面 的推 荐算 法 ，多种 不 同 的数 据 挖掘 方法 被采 用 ：贝叶 斯 网络 、 进 行 了大 量研 究 ，特 别 是 随着 社 会 网络 服 务 的发 展 ，一批 学 者 聚 类 、 降维 技 术 、 因子 分解 、 回 归模 型 等 以及 多种 方法 的 混合 将 社会 网络特 性 融 入 到协 同 过滤 技 术 中 ，取得 了许 多 有价 值 的 模 型 。 这 些模 型在 一 定 程度 上 缓解 了数 据稀 疏 带来 的 问题 ，获 成 果。 得 了不错 的推荐 精 度 ３ 。 但是 ，由于 这 些模 型 计算 的复 杂性 “ ＿ 本 文对 目前 协 同推 荐 技 术 的研 究 从三 个 方面 进 行 了综 述 分 和 实施 难度 ， 目前还 没有被 成功 地运 用到 实际推 荐 系统 中。 国 内学者 更多 还 是 侧重 具 体 协 同推 荐 方法 的 研 究…，针 对 析 ，一是 传 统 的协 同 过滤 技 术 ；二 是 基于 兴 趣 变化 的协 同推 荐