一种改进的缓解推荐系统物品冷启动的方法

任彩霞

（北京邮电大学理学院，北京　100876）

一种改进的缓解推荐系统物品冷启动的方法

任彩霞

（北京邮电大学理学院，北京100876）

信息爆炸的时代，推荐系统越来越成为网民的依赖，它有效的解决了信息过载的问题，但是却没有解决推荐系统的冷启动问题。为了缓解新项目的冷启动问题，结合基于物品的协同过滤算法与决策树思想，这篇文章在孙等人的算法上做了改进，把算法的第一步替换为用显示的信任网络对用户做划分的方法。显示的信任网络，可以对用户做了更细致的分类，把信任网络添加到算法中，原算法便被改进为基于信任网络的推荐系统。改进后的算法不仅满足了一大部分用户的偏好与需求，而且使得系统用户更加依赖推荐系统。实验表明，利用显示的信任网络对新项目的推荐，其推荐结果的准确性比原算法高，推荐的结果也更加稳定。在评分个数分别为0，5，10的情况下，平均绝对误差比原算法的低了16.7%，21.6%，31.7%。

推荐系统；协同过滤；决策树；信任网络；物品冷启动

本文著录格式：任彩霞. 一种改进的缓解推荐系统物品冷启动的方法. 软件，2016，37（8）：11-15

0　引言

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代都入了信息过载的时代。对于消费者来说，如何从大量信息中提取到自己的兴趣爱好是一件非常困难的事情，对于商家来说，如何给用户推荐用户需要的物品，从而提高自己的利润，也是一件困难的事情。为了处理两者的并行困难，推荐系统应运而生。……