基于协同过滤技术推荐系统的探究

摘要

基于数据挖掘技术的推荐系统在互联网和大数据时代无处不在,它能够根据用户的兴趣和行为特征,为其推荐感兴趣的项目,具有深远的商业价值.协同过滤技术综合考虑用户的历史特征和用户之间的相似关系,为用户进行预测推荐,已经广泛应用于现有的推荐系统中.文中阐述了协同过滤技术的概念内容、前提假设、数据采集与过滤模式、数据结构、评价标准和算法分类,并着重分析对比了基于存储、基于模型和关联规则等三种推荐系统算法的不同实现方式及其优缺点.在此基础上,编程实现了向量相似性算法、个性诊断算法、奇异值分解算法和关联算法等典型常用算法,并在Movielens数据集和稀疏成绩单数据库上进行了验证与评估,实验结果可以为设计人员提供指导依据.