应用数据填充缓解稀疏问题实现个性化推荐

• 作者: 吴非 夏建勋 谢长生
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 推荐系统 个性化推荐 协同过滤 数据填充
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 高性能计算
• 页码范围: 15-19
• 页数: 5页
• 分类号: TP301.6
• 字数: 3535字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2013.05.003

摘要

协同过滤是到目前为止最成功和应用最广泛的推荐技术,然而,由于用户-项目矩阵极端稀疏导致推荐不精确.针对该问题,提出了三种数据填充方法和两种推荐策略.对评分矩阵中未评分数据的三种数据填充方法是:(1)采用行和列数据的加权平均值填充；(2)采用行和列数据的众数的平均值填充；(3)采用行和列数据的中位数的平均值填充.一种推荐策略是直接用填充数据作为预测评分进行推荐；另一种推荐策略是将填充数据后的评分矩阵作为伪评分矩阵,应用Pearson相关相似性进行协同过滤推荐.采用MovieLens数据集进行的实验结果表明:上述几种推荐策略均可有效地缓解评分数据稀疏性问题,且提高了推荐精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢长生		348	4405	33.0	51.0
4	吴非		23	74	4.0	7.0
10	夏建勋	湖北工程学院计算机与信息科学学院	1	22	1.0	1.0