基于杰卡德相似性的推荐系统研究

• 作者: 汪婧 荣升格
• 来源期刊: 安徽工程大学学报
• 学科: 工学
• 关键词: 推荐系统 杰卡德相似度 神经网络 协同过滤
• 年，卷（期）: 2013,（3）
• 页码范围: 73-76
• 页数: 4页
• 分类号: TP18
• 字数: 2717字
• 语种: 中文

摘要

协同过滤推荐系统的核心是用户的相似性度量.在杰卡德相似性度量基础上,提出一种修正的杰卡德相似性度量.该方法将用户评分差异的数目融入相似度计算,并综合杰卡德相似度建立神经网络学习模型,选取Movielens数据作为训练集,得到合适的权重.实验结果表明,与pearson相似性度量相比,该方法在用户评价较少时给出相对可靠的推荐,在推荐的精度、平均绝对误差等方面具有一定的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪婧	安徽工程大学计算机与信息学院	12	22	3.0	4.0
2	荣升格	安徽工程大学计算机与信息学院	2	13	1.0	2.0