基于项目类别和兴趣度的协同过滤推荐算法

• 作者: 业宁 吉根林 张丹丹 殷晓飞 韦素云
• 来源期刊: 南京大学学报（自然科学版）
• 关键词: 推荐系统 协同过滤 项目相似性 项目类别相似性 项目兴趣度
• 年，卷（期）: 2013,（2）
• 页码范围: 142-149
• 语种: 中文

摘要

用户评分数据极端稀疏情况下,传统相似性度量方法存在弊端,导致推荐系统的推荐质量急剧下降.针对上述问题,提出一种基于项目类别和兴趣度的协同过滤推荐算法.在该算法中,首先通过计算项目之间的类别距离,构造项目类别相似性矩阵；然后采用兴趣度分析不同项目之间的相关程度；最后结合项目类别信息和项目间的兴趣度,使用改进的条件概率方法作为衡量项目间相似性的标准.实验结果表明,该算法可以有效缓解用户评分数据稀疏带来的不良影响,提高预测准确率和推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	业宁	南京林业大学信息科学技术学院	83	805	16.0	24.0
2	吉根林	南京师范大学计算机科学与技术学院	138	2757	22.0	50.0
3	张丹丹	南京林业大学信息科学技术学院	12	58	3.0	7.0
4	韦素云	南京林业大学信息科学技术学院	8	167	5.0	8.0
5	殷晓飞	南京林业大学信息科学技术学院	1	46	1.0	1.0