SPCF:一种基于内存的传播式协同过滤推荐算法

• 作者: 王斌 赵琴琴 鲁凯
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 推荐系统 相似度传播 基于内存的协同过滤
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 信息检索
• 页码范围: 671-676
• 页数: 6页
• 分类号: TP391
• 字数: 4725字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2013.00671

摘要

基于内存的协同过滤是当前互联网推荐引擎中的核心技术.然而,目前该技术的发展面临着严重的用户评分稀疏性问题.该文通过采用传播的思想对数据稀疏性问题进行了有益的探索和研究,并提出了一种改进的基于内存的协同过滤推荐算法SPCF.该算法通过相似度传播,寻找到更多、更可靠的邻居,然后在此基础上,从用户和项目两方面信息考虑对用户进行推荐.在Movie Lens和Yahoo Music数据集上的实验结果表明,SPCF在MAE指标上比传统的基于内存的协同过滤推荐算法有明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王斌	中国科学院计算技术研究所	325	6645	42.0	69.0
2	赵琴琴	中国科学院计算技术研究所	1	97	1.0	1.0
3	鲁凯	中国科学院计算技术研究所	2	104	2.0	2.0