基于协同过滤技术推荐系统的探究

江 水

(中国电子科技集团公司第三十二研究所，上海 201808)

1 概 述

网上商城通常对产品进行分类，并提供符合用户需求的产品选项供用户点选查看，然而，用户浏览产品的随机性很大，他们可能会选择很多属于不同类别或风格的产品，使得网上商城无论提供多少预设选项都无法满足用户的需求。因此，商业站点普遍通过展示特价产品、新到产品或者商家推荐产品去试图弥补这方面的不足。在众多的营销手段中，从最畅销产品和用户关注产品的角度进行推荐往往最有效。作为其中的一种吸引人的技术实现方法，基于数据挖掘技术的推荐系统(Recommender Systems)已经广泛应用于各类网上商城，包括其他行业需要向用户推荐、推销产品的在线系统中[1]。

推荐系统主要依据用户自身的特征和过往消费情况向其推荐产品。有些推荐系统还会结合使用与产品信息相关的问题进行推荐，有些则仅仅依赖于用户自身的特征与相似用户的总体特征，后者一般被称为“协同过滤”(Collaborative Filtering)系统[2-5]，不要求用户在搜索的过程中显示输入过滤条件，而是通过分析当前用户的过往消费或浏览行为和与其相似的用户的总体特征来给出推荐意见。现有的推荐系统算法大致可以分为基于存储(Memory-based)的推荐算法、基于模型(Model-based)的推荐算法和关联规则(Association Rules)算法[1-2,5]。其中，基于模型的推荐算法又包括基于项目(Item-based)的协同过滤算法、个性诊断(Personality Diagnosis)和奇异值分解(Singular Value Decomposition，SVD)等。

文中阐述了协同过滤技术的概念内容、数据结构、评价标准和分类，着重分析对比了协同过滤技术的不同实现方式及其优缺点，为设计人员提供指导依据。……