基于協(xié)同過濾的個性化推薦算法研究與實踐

1、 石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報 年第 期 總體上，MAE 值會隨著鄰居用戶個數(shù)的增加而減小，但是，從圖 1 中，我們可以看到當(dāng)鄰居用 戶的個數(shù)增加到 12 和 16 的時候，MAE 值反而增大，這是因為針對每一種算法，都有一個理想的鄰 居用戶大小，如果鄰居用戶的個數(shù)不在理想范圍內(nèi)時，會影響算法的預(yù)測值，最終得到的 MAE 值 可能會出現(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 評價算法優(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。我們對改進(jìn)的算法 進(jìn)行了時間復(fù)雜度分析，其用戶數(shù)目是 n，項目數(shù)目是 m，該算法的時間復(fù)雜度是

2、 0（m2 +n2 +m×n） 這是最壞情況下的時間復(fù)雜度。改進(jìn)的算法和基于用戶的協(xié)同過濾算法、基于項目評分預(yù)測的協(xié)同 過濾算法具有相同的時間復(fù)雜度。 結(jié)語 通過這次設(shè)計， 實現(xiàn)了基于用戶的協(xié)同過濾算法和基于項目評分預(yù)測的協(xié)同過濾算法的基礎(chǔ)上， 提出了一種改進(jìn)算法，圓滿完成了設(shè)計。但是，電子商務(wù)推薦系統(tǒng)中還有許多值得研究的問題，比 如同義詞關(guān)鍵字的匹配、提高推薦算法的運算性能和及時性等等。在以后會繼續(xù)學(xué)習(xí)和研究這方面 的知識，以期獲得更好的成績。 （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)中的運用綜述J.計算機應(yīng)用研究,2004(1:812

3、2余力,劉魯.電子商務(wù)個性化推薦研究J.計算機集成制造系統(tǒng),2004.10,10(10:13061313 3曾艷,麥永浩.基于內(nèi)容預(yù)測和項目評分的協(xié)同過濾推薦J.計算機應(yīng)用,2004.1,24(1:111113 4趙智,時兵.改進(jìn)的個性化推薦算法J.長春大學(xué)學(xué)報,2005.12,15(6:2629 5谷秀巖,姜林楓,張子怡.基于用戶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