协同过滤中一种有效的最近邻选择方法

• 作者: 丁勇 冷亚军 梁昌勇 陆青
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 推荐系统 协同过滤 最近邻选择 近邻倾向性 近邻修正
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 研究与应用
• 页码范围: 968-974
• 页数: 7页
• 分类号: TP311
• 字数: 6053字
• 语种: 中文

摘要

协同过滤中的评分数据稀疏性使得最近邻搜寻不够准确，导致推荐质量较差。基于此，文中提出一种有效的针对稀疏评分的最近邻选择方法---两阶段最近邻选择算法( TPNS)。 TPNS分为两个步骤，首先计算用户间的近邻倾向性，选择近邻倾向性较高的用户组成初始近邻集合；然后根据初始近邻集合计算目标用户与其他用户间的等价关系相似性，使用等价关系相似性对目标用户的初始近邻集合进行修正，得到最近邻集合。在MovieLens数据集上对比常用的推荐算法，实验结果表明文中方法在协同过滤推荐的应用中具有更高的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁昌勇	合肥工业大学管理学院	235	3624	32.0	48.0
3	丁勇	合肥工业大学管理学院	64	1069	19.0	31.0
4	陆青	上海电力学院经济与管理学院	43	537	10.0	22.0
7	冷亚军	合肥工业大学管理学院	9	299	6.0	9.0