基于动态k近邻的SlopeOne协同过滤推荐算法

• 作者: 孙丽梅 孙焕良 李晶皎
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 协同过滤:推荐系统 k近邻 数据挖掘 知识发现
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 学术研究
• 页码范围: 857-864
• 分类号: TP391
• 字数: 5111字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2011.09.009

摘要

协同过滤是个性化推荐系统中的常用技术,数据稀疏性是影响协同过滤算法预测精度的主要因素.SlopeOne算法利用线性回归模型解决数据稀疏性问题.基于用户相似度的k近邻方法可以优化参与预测的用户评分数据的质量.在SlopeOne算法的基础上,提出了一种动态k近邻和SlopeOne相结合的算法.首先根据用户之间相似度的具体情况动态地为每个用户选择不同数目的近邻用户,然后利用近邻用户的评分数据生成项目之间的平均偏差,最后利用线性回归模型进行预测.在MovieLens数据集上的实验结果表明,改进算法在预测精度上比原SlopeOne算法有所提高,能适应数据稀疏度更低的推荐系统,并且与其他协同过滤算法相比,推荐精度也具有明显优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙焕良	沈阳建筑大学信息与控制工程学院	60	414	10.0	17.0
2	李晶皎	东北大学信息科学与工程学院	84	401	10.0	16.0
3	孙丽梅	沈阳建筑大学信息与控制工程学院	13	77	4.0	8.0