基于项目层次相似性的推荐算法

• 作者: 刘向荣 孙远帅 林琛 陈垚 陈珂
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 推荐系统 协同过滤 TopK 标签 项目层次 倒排索引
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 8-14
• 页数: 7页
• 分类号: TP391
• 字数: 5627字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.1.2013.073

摘要

针对协同过滤算法推荐效果依赖于相似度度量方法的问题，提出了一种基于项目层次结构相似度的推荐算法 REHIS（recommendation hierarchical similarity）。首先利用关联规则挖掘和 KNN（K nearest neighbor）算法完善项目层次结构，然后利用 TopK 算法计算项目之间的相似度，最后利用基于项目的协同过滤算法框架预测用户评分。为解决协同过滤算法扩展性差的问题，还把 TopK 算法推广到余弦距离和皮尔逊相关系数等常见的相似度度量方法。实验结果表明，与传统的协同过滤算法相比，REHIS 能够获得更优的均方根误差，TopK 算法可以减少最近邻项目的查找时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈珂	广东石油化工学院计算机科学与技术系	62	243	8.0	12.0
2	刘向荣	厦门大学计算机科学系	8	22	3.0	4.0
6	林琛	厦门大学计算机科学系	19	447	7.0	19.0
10	孙远帅	厦门大学计算机科学系	3	19	2.0	3.0
11	陈垚	厦门大学计算机科学系	3	19	2.0	3.0