協同過濾推薦算法中的相似性度量研究

李散散，陳小榮

（廣州工商學院 工學院，廣東 廣州 510850）

0 引 言

大數據時代用戶獲取信息越來越方便，同時用戶也能感受到大數據技術帶來的一些困擾，如信息過載出現的信息冗余和人們對信息的依賴性。舉個生活中常見的例子，在電子商務領域，各類購物平臺上陳列著不計其數的商品，用戶可以借助搜索引擎查找自己感興趣的商品，與此同時用戶也常會遇到選擇困難的情況，特別是在用戶沒有明確需求的情況下，這種困擾會更加明顯。此時強大的搜索引擎也無計可施，不能很好地幫助用戶篩選商品，就在此時推薦系統應運而生。推薦系統是一種可以借助一定的算法分析用戶歷史數據獲取用戶偏好和需求，然后主動推薦給用戶感興趣的信息，從而減少用戶查找時間的工具。如，eBay的“興趣購物”功能，可以根據購物者的瀏覽和購物行為，為每一個購物者提供用戶行為畫像，然后給用戶打造一個私人訂制的頁面。這樣一來電子商務平臺就可以解決用戶購物時需瀏覽大量無關信息和商品所帶來的困擾，從而優化用戶購物體驗，實現精準營銷。

1 協同過濾推薦算法概述

1.1 協同過濾算法基本原理

協同過濾推薦算法通常分為兩種類型：基于用戶的協同過濾算法和基于項目的協同過濾算法。該算法的基本思想是“物以類聚，人以群分”，主要是通過搜集用戶在線上的歷史記錄數據，建立用戶偏好模型。然后通過計算用戶或項目之間的相似度來查找與目標用戶相似的用戶群或者目標用戶可能感興趣的項目。……