基于领域最近邻的协同过滤推荐算法

• 作者: 李聪 梁昌勇 马丽
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 协同过滤 推荐算法 领域最近邻 用户相似性 平均绝对误差
• 年，卷（期）: 2008,（9）
• 所属期刊栏目: 软件技术
• 页码范围: 1532-1538
• 页数: 7页
• 分类号: TP311
• 字数: 5944字
• 语种: 中文

摘要

协同过滤是目前电子商务推荐系统中广泛应用的最成功的推荐技术,但面临严峻的用户评分数据稀疏性和推荐实时性挑战.针对上述问题,提出了基于领域最近邻的协同过滤推荐算法,以用户评分项并集作为用户相似性计算基础,将并集中的非目标用户区分为无推荐能力和有推荐能力两种类型;对于前一类用户不再计算用户相似性以改善推荐实时性,对于后一类用户则提出"领域最近邻"方法对并集中的未评分项进行评分预测,从而降低数据稀疏性和提高最近邻寻找准确性.实验结果表明,该算法能有效提高推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁昌勇	合肥工业大学管理学院	235	3624	32.0	48.0
2	马丽	西华师范大学商学院	26	148	7.0	11.0
3	李聪	合肥工业大学管理学院	16	143	4.0	11.0