基于用户模糊相似度的协同过滤算法

吴毅涛，张兴明，王兴茂，李晗



基于用户模糊相似度的协同过滤算法

吴毅涛，张兴明，王兴茂，李晗

(国家数字交换系统工程技术研究中心，河南郑州 450002)

针对离散评分不能合理表达用户观点和传统协同过滤算法存在稀疏性等问题，借鉴年龄模糊模型，提出了梯形模糊评分模型。该模型将离散评分模糊化为梯形模糊数，考虑了评分模糊性和信息量，通过梯形模糊数来计算用户相似度，据此设计了协同过滤算法，并证明了该算法是传统协同过滤算法在模糊域的扩展。实验表明，该算法在数据稀疏且用户数远多于项目数时性能突出，并且算法运行时间远小于传统协同过滤算法。

协同过滤；梯形模糊评分模型；模糊距离；模糊相似度

1 引言

电子商务的快速发展，使用户难以处理种类繁多的信息。而推荐系统已经被证明能帮助用户过滤无用信息，做出合理选择[1~3]。推荐系统根据使用内容不同，可分为基于内容推荐系统和协同过滤推荐系统[4]。

基于内容推荐系统主要利用用户的统计信息，如年龄、收入等，根据统计信息的关系进行推荐。协同过滤推荐系统根据评分信息寻找相似用户，寻找相似性大的前个邻居，根据邻居的评分进行预测。算法的关键是选取合理的相似性计算方法。传统算法大多采用余弦、Pearson等方法来计算用户相似度。协同过滤推荐系统易于处理数据并易于实现，是最成功和流行的推荐系统。

但目前协同过滤推荐系统大都使用离散评分[5]，用户在5评分等级集合{1,2,3,4,5}中选择对项目的评分。……