使用BP神经网络缓解协同过滤推荐算法的稀疏性问题

• 作者: 常会友 张锋
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 电子商务 数据挖掘 推荐系统 协同过滤 BP神经网络 算法
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 667-672
• 页数: 6页
• 分类号: TP18|TP311.13
• 字数: 3802字
• 语种: 中文

摘要

推荐质量低是协同过滤推荐技术面临的主要难题之一.数据集的极端稀疏是造成推荐质量低的主要原因之一.常见的降维法和智能Agent法虽然某种程度上能缓解这个问题,但会导致信息损失和适应性等问题.设计了一个新的协同过滤算法,根据用户评分向量交集大小选择候选最近邻居集,采用BP神经网络预测用户对项的评分,减小候选最近邻数据集的稀疏性.该算法避免了降维法和智能Agent法的缺点,而且实验结果表明,该方法能提高预测值的准确度,从而提高协同过滤推荐系统的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常会友	中山大学信息科学与技术学院	63	947	15.0	29.0
2	张锋	中山大学信息科学与技术学院	12	463	7.0	12.0