考虑负相关性信息的协同过滤算法研究

• 作者: 刘建国 周继平 胡兆龙 郭强 郭迎迎
• 来源期刊: 计算机应用研究
• 关键词: 协同过滤 负相关性 最远邻居集
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3543-3545,3575
• 页数: 4页
• 分类号: TP311|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.12.006

摘要

为了研究Pearson负相关性信息对协同过滤算法的影响,提出了一种考虑负相关性信息的协同过滤算法.该算法选取正相关用户作为最近邻居,负相关用户作为最远邻居,使用参数调节最近邻居和最远邻居在推荐过程中的作用.MovieLens数据集上的对比实验表明,负相关性不仅可以提高推荐结果的准确性,而且可以增加推荐列表的多样性;进一步分析发现,负相关性还可以大幅度提高不活跃用户的推荐准确性.该工作表明,负相关性有助于解决推荐系统中准确性、多样性两难的问题和冷启动问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建国	上海理工大学复杂系统科学研究中心	63	401	7.0	19.0
2	郭强	上海理工大学复杂系统科学研究中心	55	568	8.0	23.0
3	郭迎迎	上海理工大学复杂系统科学研究中心	7	20	3.0	4.0
4	周继平	上海理工大学复杂系统科学研究中心	6	29	3.0	5.0
5	胡兆龙	上海理工大学复杂系统科学研究中心	6	81	3.0	6.0