第卷期计算机学报３ ８Ｖｏｌ．年月２０１ＣＨＩＮＥＳＪＯＵＲＡＬＦＭＰＴｕｇ不确定近邻协同过滤法中山大信息与术院州南软职业佛摘文围绕传存局限展开提出一种根实际情况对于每场景其都是可预先而以及产品相似适地选择测标象作群时把握概率较高任子最后通动态度量来结果进平衡验表明该有效所带稳影响缓解评稀疏问并多了准关键词；图类号／犇犗犐’犝狀犮犲狉狋犪犻犖犺犫狅狊犆犾狏犉犚犿犱犃犵ＧｈＹＷ犛犳犜狔狌犢犌狕ｖｅｒｓｔｆｂｐｄｙｗｊｘ犓狑收稿日：本课题得到国家自然科基金（，）、广东省６７９５技划项目新世纪优秀人才支持ＺＸＢ４资助黄创光男生博士研究方向为数据挖掘在客户行分析和推荐系统上的应用ｍａｉ印鉴教授导师主要领域器习汪静女＠ｃｎ个性化刘玉葆副库仓王甲海工智能书
机学报年引言只考虑１ 忽注互联网的迅速发展以及信息量暴涨，为用户我提供主动推荐功能越来多地被应到各种门站和电子商务系统中帮助人们更准确、高效够认识从导致质降低寻找所需要这些通常会包括过本贡献围绕解决上述开去点击日志评分论等历史已础态划析特征并服给访问者Ｕ最可感兴趣．’根ｂｖＦ采协同滤技术领域非广泛自适［］是早之一在个Ｔａｐｅｓｔｒｙ记录了每对他阅读文章观充２３其进行获取ＧｏｕＬｎＲｉｇ因４也较期Ｖｄｃｍ实验表明该思想意见比别新闻音乐视频普平衡５６遍存大题：数据稀疏性冷启扩带缓极７随着不断端情况使显深入许研究出方法改基于著第节８规则或模型足如Ｐｋ义详结合搜索工具升！Ｙｈ细介绍９果；熵原理形化描运复杂０购买品证收Ｃ后小益目标近重趋势体与间关拓延伸例建立邻影响集计算预测犽价库任群式构布Ｂ含｛…｝狊犝＝狋相似程度将Ｊｌ犐层次阶矩阵示×犚当前针犼产往由差异造成单？犪而场景某固定时象传局限共代列（）很假设Ｎ∈选择就打现居作参偏好有但缺乏殊属另都且未知
期黄创光性研究为例，也就是基于用户协同过滤方法最给．（）标准的余弦相似通向量间夹１角计算度知寻找近邻且 犛犻犿犝犪犫＝犮狅狊狀犲犚狋×∑犽２＋４槡其中表示对产品打分值犐述公别狓修正了不存在评尺偏差传Ｎ减去所有平均来改善这一采缺陷选取和共集交定义∩′确－本质利群体∈内里面能互作当前象力居属结果程但复杂、变场落［］区越大则０景往片只考虑之而忽视另或者良３注依赖他们如件商喜爱数较少个偶价然消除种带影响Ｈｅｒｌｏｃｋ７８ＵｓＢｄＣｂｔｖＦ等提出要增加关联权重因子进行还９础上Ｍａ设置我Ｉ某阈与γ很却目比｜ｍｉｎ低现实生活促使文从式可以看到满足开展自适地随案此后域仍据化紧时受合多那么动态会应仅推荐犖尤稀疏候常系统主任务太理想见两：择未曾预测它犼供些导致
机学报年结果准确性的降低考虑采用自适应地选择预测目场景．ｖ标方法，可以有效避免人为设置过多经验值导及致推荐系统无根据数变化身进行去调整失般假因此我们提出动态对象按照（）在ＤｙｎａｍｉｃｌＳｅｔｄＮｇｈｂｏｒ…而外近邻之前需要界定１且它该如何取通义两个相似度阈和νμ固一是于户间计算另产品基犛犝犪先知道集犐犼都必须满足大λ－只与较接作好解决传不犽｛｝＝狓｜犻犿′＞≠５最终下６狔：这群分别Ｉｆ＋０狀×中信任子３２ Ｅ针程９成了主衡量指但实际往能仅来源少几打甚至共同评样存偶然素其参第种情况例当代表除４若则关明显时也者价见示完全由式７ε就项率高８重趋向穷∈∞牔∩将从逐渐更γ引入概念［合体平均或某些很难生本文协滤框架改原寻找居并加影响权新维’造质ＵＣＦｓ
黄创光等不确定近邻的协同过滤推荐算法只留满足３．４ 基于上述讨论，对目标在线用户以及犝那么期更新犪其他未浏览产品犐节省考虑犼时结合最集和ＵＮＣＦ量狀评分进行预测我们给义下公式：效避免逐增多导犚＝致运急剧加烄烌犻犿′∑（）－∈犛狓λ×＋烆烎待调参７狔１信任０６８中别表示它所有打均值已知根据代到９群假如为空即则完全按照来将生反之是选择方程性能析５寻找象ＤＳ置控制输入矩阵狊狋阈νεγμ样次求出可计相似度并保存这两个＿犃狉犲验果步２取与大作本检提质共数且回答几问题自应地得子｜∩＞比较；规模情况关使影响否好常见一骤而、设适像传统试研究ＧｒｏｕｐＬｅｎｓ由需要遍历组／供著犽ｈｔｗｇｌ客因此坏间复杂名电万条记录犗Ｍｖｉ实际系往通离了部
学报年７每个用户至少对部电影进行了评分，值范围２０从表示“”（非常好）而１～５．ｐｅｒｆｃｔ差通过不同上的ｏ达自己兴趣和产品矩阵密度为＝％９４３×６８说明此数据集是相当稀疏我们实验组首先将随机抽取、并且一步划训练测试引入变量狓占整百比例如地中都作剩下在本文均采推荐质标准 价系统主要包括计精方法决策支持两类平绝偏犕犃犈Ｍａｎ易于理解可以直观ＡｂｓｌｕＥ看最种因时候＿得ｋ也优但样条件算预与际还更之间确性似另外越小高设合｛…狆多容找｝应则犖狉适定义｜－∑犻有效给面动态选择目象较节提出ＤＳＮｙｍｉｄｇｈ子及调参率传做犽这佳近邻来基协滤情况打础横坐考开始逐增加到察该何结果图所衡ＵＢＣＦＩ其能递减低
黄创光等：更优另外，如果当调和参数继续逐步递增的时目标邻信．候从取值也正我们在节中分析了２０～３证采×犿′趋向于结合λ＝１＋狀别推荐基用户群协同过滤ＵＢＣＦ纵坐作度方法但还是任意一种或者量准通实验得出个论Ｉ满足定条件（以、为例附近）降犕犃犈到最低由因子与据集关联性非常紧密构成特征及稀疏有甚至可理解就属较好把握产品对生影响重要获这进行训练计算来７左边柱表示即情况＞间右所测试平均看样下高预确图不其它４ 犝犖犆犉比本传统期Ｎ业界领先研究选择并文献［］提９ＥＭＤＰｆｅｃｔｉｖｓｎｇａｒｄｏ横５６相８
机学报年往带间属身具些取素建立这模型体进行意义考献图相关协同过滤算法与的比较（个用户）９ ＵＮＣＦ２０ＧｏｌｄｂｅｒｇｉｃｈｓＯｋＢＴｙｎａｔｖｆｗｍｐｕ：Ａ６ＲＩＳＪＬ／ＷＨ８１３“”都可以获得更低值，因此推荐犕犃犈效果好当随着所预测产品近邻数目增加．时候质量也之提升在多情况下和实验结尤为明显不中均到ＥＭＤＰＫ％～７—论未来工作５是系统应一热门研究领域非常广泛针对场景确定性本文从自适地寻找标象出ＶＺ发优先选择似度高且准率信任群深入分析基于影响了种合及通子调参去计ｑ评并生表正起积极另外ｚＹ上由使ｘ据源而仅或者解决稀疏问题开头前有许思路如何各方［］４势例双聚类传递等今很重要向
期黄创光等不确定近邻同ｉｎｇｓｏｆｔｈｅＩＥｒａｌＣｃｄｕ，：Ｍｍ．Ｓｐ２０７１９３＆［］ＪＹＱＡｂｖｗ（）８６５４陈健印鉴基于影响集的协作过滤推荐算法软件学报ＬＸＤＲｚＫＰＴ／ｘＨＵＷｋＧｙＦＮＢ犎犝犃犖犌犆犺狌犪狀犵ｊ犠犔犅狅犢犐犑犻犮犽狉犱Ｚ’
