基于信息熵和时效性的协同过滤推荐.docxVIP

基于信息熵和时效性的协同过滤推荐 　　摘要：　　针对协同过滤推荐算法存在的噪声数据问题，提出了用户信息熵模型。用户信息熵模型结合信息论中信息熵的概念，采用信息熵的大小衡量用户信息的含量，利用用户评分数据得到用户的信息熵，过滤信息熵低的用户，从而达到过滤噪声数据的目的。同时，将用户信息熵模型和项目时效性模型相结合，项目时效性模型利用评分数据上下文信息获得项目的时效性，能有效缓解协同过滤的数据稀疏性问题。实验结果表明提出的算法能有效过滤噪声数据，提高推荐精度，与基础算法相比，推荐精度提高了%左右。　　关键词：　　推荐系统；协同过滤；噪声数据；数据稀疏性；信息熵；时效性　　中图分类号：　　TP181　　文献标志码：A　　Abstract：　　Aiming at the noise data problem in collaborative filtering recommendation， a user entropy model was put forward. The user entropy model combined the concept of entropy in the information theory and used the information entropy to measure the content of user information， which filtered the noise data by calculating the entropy of users and getting rid of the users with low entropy. Meanwhile， combining the user entropy model with the item timeliness model， the item timeliness model got the timeliness of item by using the contextual information of the rating data， which alleviated the data sparsity problem in collaborative filtering algorithm. The experimental results show that the proposed algorithm can effectively filter out noise data and improve the recommendation accuracy， its recommendation precision is increased by about % compared with the basic algorithm.　　英文关键词Key words：　　recommender system； collaborative filtering； noise data； data sparsity； information entropy； timeliness　　0引言　　随着互联网技术日新月异的发展，互联网上拥有海量的信息，过量的信息造成了用户选择的困难，使得用户无法有效获取自身所需信息，这便是所谓的信息过载问题[1]。目前，解决信息过载问题的技术主要分两类：第一类是以有哪些信誉好的足球投注网站引擎为代表的信息检索技术；第二类是以推荐系统[2]为代表的信息过滤技术。有哪些信誉好的足球投注网站引擎在当今获取网络信息方面占据了十分重要的地位，它根据用户提供的关键字匹配信息，匹配结果的好坏很大程度上依赖于用户对信息描述的精准程度，且对于同样的检索输入始终会展现同样的有哪些信誉好的足球投注网站结果，无法实现用户个性化的需求。与有哪些信誉好的足球投注网站引擎技术不同的是，推荐系统能够通过分析用户的历史交易记录或行为挖掘用户兴趣，自动为用户产生满足用户兴趣和需求的推荐。　　推荐系统作为解决信息过载问题的一项重要技术，被广泛应用到电子商务、社交网站等互联网平台，已成为Web 应用中不可或缺的个性化信息服务形式。协同过滤算法[3]是一类重要的推荐算法，其实现简单，无需获取项目内容信息，推荐效果好，因而被广泛地研究和应用，已成为Amazon、淘宝网、京东网和当当网等电子商务平台广泛采用的商品信息推荐方法。协同过滤的基本思想是相似用户具有相同的兴趣偏好，它首先根据用户评分信息计算用户之间的相似性，找出一组相似性最高的用户作为邻居用户，然后根据邻居用户加权计算目标用户对于还未产生评分的项目的预测评分，进而产生推荐；但协同过滤技术存在噪声数据和数据稀疏性等问题，影响了其推荐结果的精确度[4]。推荐系统中的噪声数据主要来源于两方面：一是那些由商业利益驱动，为达到影响网络民意、扰