基于多級(jí)圖劃分的協(xié)同過濾算法研究

柳先輝，徐夢(mèng)錦

(同濟(jì)大學(xué)電子與信息工程學(xué)院CAD研究中心，上海　201804)

?

基于多級(jí)圖劃分的協(xié)同過濾算法研究

柳先輝，徐夢(mèng)錦

(同濟(jì)大學(xué)電子與信息工程學(xué)院CAD研究中心，上海201804)

摘要：為克服傳統(tǒng)協(xié)同過濾推薦算法中存在的局限性，提出了基于多級(jí)圖劃分的協(xié)同過濾推薦算法。該算法在對(duì)系統(tǒng)中存在的產(chǎn)品使用多級(jí)圖劃分算法進(jìn)行聚類的基礎(chǔ)上應(yīng)用協(xié)同過濾推薦算法對(duì)用戶進(jìn)行推薦。實(shí)驗(yàn)結(jié)果證明，該算法可以在對(duì)推薦準(zhǔn)確率影響較小的同時(shí)有效提高推薦系統(tǒng)的效率。

關(guān)鍵詞：協(xié)同過濾；多級(jí)圖劃分；聚類

推薦算法作為一種信息過濾技術(shù)，已經(jīng)成為當(dāng)下解決互聯(lián)網(wǎng)上信息過載的一種有效工具[1]。在眾多推薦方法中，協(xié)同過濾是推薦系統(tǒng)中應(yīng)用最為成功的技術(shù)之一[2]。采用協(xié)同過濾推薦技術(shù)的應(yīng)用十分廣泛，其中Tapestry[3]是最早的推薦系統(tǒng)之一，系統(tǒng)記錄每個(gè)用戶閱讀文章的觀點(diǎn)，并根據(jù)這些觀點(diǎn)對(duì)用戶進(jìn)行推薦。典型的個(gè)性化推薦系統(tǒng)包括Amazon[4]購書推薦、Ebay的購物推薦、MovieLens的電影推薦等。

協(xié)同過濾系統(tǒng)普遍存在3大問題：數(shù)據(jù)稀疏性、冷啟動(dòng)和可擴(kuò)展性。為了提高系統(tǒng)的推薦精度，國(guó)內(nèi)外學(xué)者提出了許多改進(jìn)的啟發(fā)式推薦算法。Park等[5]通過將協(xié)同過濾與搜索工具相結(jié)合提升了雅虎推薦結(jié)果的準(zhǔn)確度；Koren等[6]提出了基于矩陣分解技術(shù)的推薦算法，可以有效提高推薦質(zhì)量；Sandvig等[7]將數(shù)據(jù)挖掘技術(shù)與協(xié)同過濾算法相結(jié)合，提出一種基于關(guān)聯(lián)規(guī)則挖掘的協(xié)同過濾算法，以降低推薦精度為代價(jià)獲得了較強(qiáng)的魯棒性。……