基于不同数据集的协作过滤算法评测

• 作者: 王克宏 董丽 邢春晓
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: 协作过滤 个性化推荐 算法评测
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 590-594
• 页数: 5页
• 分类号: TP391.4|TP311.13
• 语种: 中文

摘要

针对协作过滤算法评测中普遍采用单一数据集,该文将传统的User-based(近邻数为20)、Item-based、Item average、Item user average和Slope One 5种算法应用于MovieLeas和Book-Crossing两种数据分布特征不同的数据集.结果显示,在Movielens这种评分值相对比较稠密的数据集上,Slope One算法的预测精度最好;而在评分值相对比较稀疏的Book-Crossing数据集上,Item-based算法的预测精度最好,Slope One的预测精度最差.选择算法应根据用户和资源分布具体情况确定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王克宏		69	887	16.0	28.0
2	董丽		7	43	2.0	6.0
3	邢春晓		84	2349	18.0	47.0