基于协同过滤技术的个性化推荐系统研究

史玉珍，郑 浩

（平顶山学院 软件学院，河南 平顶山 467002）

在这个信息爆炸的网络时代，面对纷杂的信息资源我们感到无所适从。即便能通过搜索引擎进行信息查询；但是面对统一问题统一答案的查询结果，如何能结合个人需求获取信息是网络环境的新挑战。广大用户希望结合个人习性爱好改变传统的“人找信息”[1]的状况，打造出“信息找人”的格局，基于个性化的信息推荐系统应运而生。

1 个性化推荐系统的必要性

1.1 个性化推荐系统

个性化推荐系统[2-3]就是根据用户的兴趣爱好，推荐符合用户爱好习惯的资源。目前主要有两种类型的个性化推荐系统，一种是以网页为推荐对象的搜索系统，主要采用Web数据挖掘的方法和技术，为用户推荐符合其兴趣爱好的网页，如Google等；另一种是网上购物环境下，以商品为推荐对象的个性化推荐系统，为用户推荐符合兴趣爱好的商品。

1.2 推荐系统分类

推荐算法是整个推荐系统中最核心、最关键的部分，很大程度上决定了推荐系统性能的优劣。目前推荐算法主要包括基于关联规则的推荐、基于内容的推荐和协同过滤推荐和组合推荐算法[4]4种。

1）基于关联规则的推荐（Association Rule-based Recommendation）是以关联规则为基础，把已购商品作为规则头，规则体为推荐对象。关联规则挖掘可以发现不同商品在销售过程中的相关性，在零售业中已经得到了成功的应用。它依赖专家对用户和信息的预先分类，为不同类的用户分布提供不同的服务、产品和不同的优先级，这是一种根据事先定义的If-then规则的静态推荐，具有很大的局限性。……