基于二阶段相似度学习的协同过滤推荐算法

• 作者: 杨煜普 沈键
• 来源期刊: 计算机应用研究
• 关键词: 二阶段 相似度学习 协同过滤 既约梯度法 K-最近邻算法
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 715-719
• 页数: 5页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.03.018

摘要

针对传统的基于最近邻协同过滤推荐算法中计算相似度存在的缺陷, 提出了一种基于二阶段相似度学习的协同过滤推荐算法, 该算法旨在通过较少的迭代计算改善推荐算法性能。它以既约梯度法迭代寻优为主、最近邻算法为辅, 通过邻居的海选和精选, 最终提高了相似度的计算精度, 改善了误差性能。实验表明, 在一定条件下该算法不仅在误差性能上优于传统的推荐算法, 而且其算法收敛速度快, 可实现相似度参数动态调整和分布式计算。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨煜普	上海交通大学自动化系系统控制与信息处理教育部重点实验室	125	1534	23.0	35.0
2	沈键	上海交通大学自动化系系统控制与信息处理教育部重点实验室	2	42	2.0	2.0