協同過濾推薦算法以及相關推薦系統開發應用

孫麗娜

摘 要計算機算法的研究發展主要是為了滿足用戶以及企業的發展需求。當前網絡銷售勢頭強勁，而做好網絡銷售的重要環節就是弄清楚用戶的具體需求，及時的推薦相關產品，提升用戶群體的購買興趣。要了解并不相識的用戶群體需求，協同過濾算法能夠起到重要的作用。本文對協同過濾算法的思想，以及在電子商務和其它領域的應用進行了詳細的闡述。

【關鍵詞】算法研究 算法實現 電子商務 推薦 系統應用

1 協同過濾推薦算法簡介

協同過濾推薦算法最早起源于信息的過濾，是應用在郵件的分類以及新聞分類方面。最早的銷售公司，收到大量的郵件，但是卻無法合理的分類。不能找出哪些將是自己感興趣的郵件。對于新聞的分類也是如此。這種過濾的算法，與單純的文本過濾不同，除了一些關鍵詞，還能夠使得一些需要人工分析的內容變成了可能。例如在音樂賞析方面。同時能夠從一些固定的過濾信息中總結出新的特性。但利弊是共存的，使用協同過濾算法來實現信息過濾存在以下缺點：第一點，即便是用戶特別需要并感興趣的信息，如果從來沒有進行過相關的評價，就無法進行推薦，也無從進行過濾。第二點，從用戶群進行分析的協同過濾算法，對于新的用戶，推薦的準確性并不高。這是因為他最新評價或者最先輸入的信息，未必是用戶最感興趣，需求度最高的。

2 算法實現步驟

第一步，信息收集過程：對于用戶的興趣進行收集，當然這種興趣往往是通過用戶的評價，用戶瀏覽的信息關聯度來進行信息的收集。這是因為并不是每個用戶都愿意填寫調查資料，相反的很多用戶擔心自己的隱私暴露出來。

第二步，關聯評分系統建立：把具有類似興趣和評分標準的用戶進行分組，同時根據一定的權值建立分值計算系統，通常可以采用一些具體的算法實現，這里推薦使用person算法。

第三步，預測與推薦，通過頭兩步，進行興趣的判斷，給出商品或者信息的推薦，觀察用戶對推薦信息的感興趣程度，深度進行數據挖掘，從而完善下一步的推薦行為。

3 協同過濾推薦算法的應用方面

3.1 電子商務方面的應用

說到協同過濾推薦算法的應用，人們第一個會想到的就是電子商務。誠然，電子商務需要協同過濾算法發揮作用。通過對用戶對商品信息的搜索，通過購買情況以及評價。建立相關群體，對興趣給出模擬評分，從而對用戶進行商品推薦。提升推薦商品令用戶的感興趣度，從而提升銷售量。但電子商務決不是協同過濾算法應用的全部。

3.2 書目信息方面的應用

網絡閱覽應用平臺，可以通過協同推薦算法，為用戶推薦感興趣的書目，不僅僅是為了銷售，也可以通過了解作者對數目信息的興趣度，提升閱覽量。平臺可以通過網絡廣告，信息宣傳的模式獲取利潤。這就需要企業對平臺閱覽量的認可。

3.3 就業平臺系統應用舉例

第一點，就業系統的作用：大學生的精力是有限的，如何在眾多的招聘信息中，進行合理篩選，找出適合大學生自身特點的專業需求的崗位，成了一個關鍵的問題。企業招聘不僅僅是通過招聘會，還有很多是通過一些知名的招聘網站平臺。大學生也可以通過網站平臺進行自我推薦，職位尋找。但是很多職位僅僅通過一些檢索功能是不能夠進行精準覆蓋的，而且很多畢業生也并不是計算機專業畢業，搜素能力相對不強。通過系統過濾推薦算法推出的大學生就業推薦系統，就是一個很好的解決這一問題的方法。深入淺出的說，基于協同過濾推薦算法的大學生就業系統，是根據學生在校期間的學習表現、對不同科目的側重、學生的喜好，以及校園中往屆畢業生的綜合信息進行匹配，塑造算法的模型，通過編碼實現，通過算法融合找出符合項。

第二點：具體功能描述：首先，可以從就業信息進行分析，建立成功就業者的共同特點，包括文體特長、科目擅長等信息。在學生在校學習期間，可以利用這些信息，側重強化訓練學生的實踐能力，提升就業機率。其次，從學生就業過信息中塑造具體模型，從不同方面進行信息總結，并且通過優勢與劣勢對比，判斷對就業起到重要作用的信息特點，從而修改與完善模型分類。

第三點，從就業平臺系統中，可以拓展系統功能，為一些招聘網站服務，訂制個性化的就業信息服務，從而吸引更多的付費會員。也讓推薦的成功率不斷提升。

4 結束語

協同過濾推薦算法，是計算機算法針對用戶群體進行分析與具體計算，塑造相關模型，并打造得分系統，獲得興趣模型分數，從而進行合理推薦的過程。廣泛應用于多個領域，例如：電子商務領域、信息分類領域、就業推薦領域等等。本文通過介紹算法的實現過程，進行了優缺點對比。同時介紹了電子商務和就業系統平臺的實際應用。總結出協同過濾算法在對用戶群興趣推薦方面具有重要作用的結論。

參考文獻

[1]黃創光，印鑒，汪靜，劉玉葆，王甲海.確定近鄰的協同過濾推薦算法[J].計算機學報，2010（08）.

[2]方娟，梁文燦.一種基于協同過濾的網格門戶推薦模型[J].電子與信息學報，2010（07）.

[3]李春，朱珍民，高曉芳，陳援非.基于鄰居決策的協同過濾推薦算法[J].計算機工程，2010（13）.

[4]吳湖，王永吉，王哲，王秀利，杜栓柱.兩階段聯合聚類協同過濾算法[J].軟件學報，2010（05）.

[5]曾小波，魏祖寬，金在弘.協同過濾系統的矩陣稀疏性問題的研究[J].計算機應用，2010（04）.

[6]徐翔，王煦法.協同過濾算法中的相似度優化方法[J].計算機工程，2010（06）.

[7]汪靜，印鑒，鄭利榮，黃創光.基于共同評分和相似性權重的協同過濾推薦算法[J].計算機科學，2010（02）.

作者單位

哈爾濱鐵道職業技術學院 黑龍江省哈爾濱市 150040