一种属性和评分的协同过滤混合推荐算法

• 作者: 李克潮 蓝冬梅
• 来源期刊: 计算机技术与发展
• 学科: 社会科学
• 关键词: 协同过滤 职业分类树 综合相似性 推荐算法
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 116-119,123
• 页数: 5页
• 分类号: C931.9
• 字数: 3434字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.07.029

摘要

传统协同过滤推荐算法仅仅根据稀疏的评分矩阵向用户推荐,存在推荐质量不高的问题.提出了一种属性和评分的协同过滤混合推荐算法.该算法由项目的类别属性计算项目之间基于属性的相似性,考虑到用户兴趣随时间的变化,构建评分时间权重的指数函数,并应用到项目之间的Pearson相关相似性中.通过权重因子加权项目之间基于属性的相似性和项目之间的Pearson相关相似性,然后计算基于项目属性的评分预测.描绘职业分类树,构建职业相似性模型,并与性别加权结合产生用户综合属性的相似性,得到基于用户属性的评分预测.最后,综合两者计算混合评分预测.在Movielens实验数据集下,实验结果表明提出的算法具有较好的平均绝对误差.