结合项目类别信息的协同过滤推荐算法

• 作者: 李大学 谢名亮 赵学斌
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 协同过滤 推荐系统 用户相似性 平均绝对误差
• 年，卷（期）: 2010,（6）
• 页码范围: 823-827
• 分类号: TP311
• 字数: 4809字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2010.06.026

摘要

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法.该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题.实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李大学	重庆邮电大学计算机科学与技术学院	11	149	6.0	11.0
2	谢名亮	重庆邮电大学计算机科学与技术学院	3	81	3.0	3.0
3	赵学斌	重庆邮电大学计算机科学与技术学院	3	81	3.0	3.0