不确定近邻的协同过滤推荐算法

• 作者: 刘玉葆 印鉴 汪静 王甲海 黄创光
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 不确定近邻 协同过滤 推荐系统 相似性度量 信任子群
• 年，卷（期）: 2010,（8）
• 页码范围: 1369-1377
• 分类号: TP301
• 字数: 9062字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2010.01369

摘要

文中围绕传统的协同过滤推荐算法存在的局限性展开研究,提出一种不确定近邻的协同过滤推荐算法UNCF.根据推荐系统应用的实际情况,对于推荐的每一种场景其实都是不可预先确定的,而文中算法基于用户以及产品的相似性计算,自适应地选择预测目标的近邻对象作为推荐群,同时计算推荐群中推荐把握概率较高的信任子群,最后通过不确定近邻的动态度量方法,来对预测结果进行平衡的推荐.通过实验结果表明,该算法可以有效平衡用户群以及产品群推荐结果所带来的不稳定影响,有效缓解用户评分数据稀疏的情况所带来的问题,并在多个实验数据中,提高了推荐系统的预测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	印鉴	中山大学信息科学与技术学院	117	2906	26.0	51.0
2	王甲海	中山大学信息科学与技术学院	12	546	8.0	12.0
3	刘玉葆	中山大学信息科学与技术学院	12	506	6.0	12.0
4	汪静	中山大学信息科学与技术学院	2	420	2.0	2.0
6	黄创光	中山大学信息科学与技术学院	3	422	2.0	3.0