基于协同过滤的个性化推荐算法研究与实践

1、 石家庄铁路职业技术学院学报 年第 期 总体上，MAE 值会随着邻居用户个数的增加而减小，但是，从图 1 中，我们可以看到当邻居用 户的个数增加到 12 和 16 的时候，MAE 值反而增大，这是因为针对每一种算法，都有一个理想的邻 居用户大小，如果邻居用户的个数不在理想范围内时，会影响算法的预测值，最终得到的 MAE 值 可能会出现反弹情况。但是，在多数情况下，我们提出的改进算法的 MAE 值较小，推荐精度就较 高。 算法的性能分析 评价算法优劣的基本标准有：正确性、可读性、健壮性、快速性和节省性。我们对改进的算法 进行了时间复杂度分析，其用户数目是 n，项目数目是 m，该算法的时间复杂度是

2、 0（m2 +n2 +m×n） 这是最坏情况下的时间复杂度。改进的算法和基于用户的协同过滤算法、基于项目评分预测的协同 过滤算法具有相同的时间复杂度。 结语 通过这次设计， 实现了基于用户的协同过滤算法和基于项目评分预测的协同过滤算法的基础上， 提出了一种改进算法，圆满完成了设计。但是，电子商务推荐系统中还有许多值得研究的问题，比 如同义词关键字的匹配、提高推荐算法的运算性能和及时性等等。在以后会继续学习和研究这方面 的知识，以期获得更好的成绩。 （责任编辑张宇平） 参考文献： 1周惠宏,柳益君,张尉青,谢俊元.推荐技术在电子商务中的运用综述J.计算机应用研究,2004(1:812

3、2余力,刘鲁.电子商务个性化推荐研究J.计算机集成制造系统,2004.10,10(10:13061313 3曾艳,麦永浩.基于内容预测和项目评分的协同过滤推荐J.计算机应用,2004.1,24(1:111113 4赵智,时兵.改进的个性化推荐算法J.长春大学学报,2005.12,15(6:2629 5谷秀岩,姜林枫,张子怡.基于用户浏览行为度量浏览兴趣的研究J.信息技术与信息化,2005.4,4345 Research on and Practice the Collaborative Filtering Algorithms for Personalized Recommendation L

4、iu Dan Chu Beibei Zheng Lijuan (Shijiazhuang Railway Institute Shijiazhuang Hebei 050043 China Abstract ： The project is designing and implementing an on-line bookshop based on the collaborative filtering algorithms. In the system, we implement the user-based collaborative filtering recommendation algorithm and the collaborative filtering recommendation algorithm based on item rating prediction. And the system can show users the personalized recommendations. Key w