面向场景的协同过滤推荐算法

• 作者: 刘常昱 康建初 张光卫 李德毅 李鹤松
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 推荐系统 协同过滤 项目相似性 投票 云模型
• 年，卷（期）: 2006,（z2）
• 所属期刊栏目: 复杂系统/智能系统仿真
• 页码范围: 595-601
• 页数: 7页
• 分类号: TP3
• 字数: 8726字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-731X.2006.z2.169

摘要

推荐系统是电子商务系统中最重要的技术之一.用户相似性度量方法是影响推荐算法准确率高低的关键因素,针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足.进而以该方法为核心,提出一种面向场景的协同过滤推荐算法,该算法能够充分利用项目的分类信息,避免了传统算法把用户的整体打分作为单个向量的弊端.实验结果表明,算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德毅		70	5309	32.0	70.0
2	康建初	北京航空航天大学软件开发环境国家重点实验室	34	1221	13.0	34.0
3	刘常昱	国防大学信息作战与指挥训练作战部	9	426	7.0	9.0
4	张光卫	北京航空航天大学软件开发环境国家重点实验室	15	1349	9.0	15.0
5	李鹤松	北京航空航天大学软件开发环境国家重点实验室	5	388	4.0	5.0