基于项目属性和局部优化的协同过滤推荐算法

• 作者: 刘慧婷 吴共庆 赵鹏 陈超
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 拉普拉斯平滑 项目属性 局部优化 协同过滤
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 23-29
• 页数: 7页
• 分类号: TP391
• 字数: 4549字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2014.06.004

摘要

针对数据稀疏性问题对于传统协同过滤推荐带来的影响,提出基于项目属性和局部优化的协同过滤推荐算法(collaborative filtering recommendation algorithm based on item attribute and local optimization,简称CUCF).算法首先改进j accard系数来优化评分的项目相似性；其次引入拉普拉斯平滑方法对基于项目属性的项目相似性进行优化；最后结合两方面的相似性结果,并且利用局部优化方法选择目标的近邻对象作为推荐群.实验结果表明,该算法减小了数据稀疏性对推荐结果的负面影响,有效地降低了预测结果的平均绝对误差 MAE.实验进一步对比了其他4种不同推荐方法,预测精度提高7.1%~15.5%,从而证明了 CUCF方法在预测准确率方面能够取得较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵鹏	安徽大学计算机科学与技术学院	61	683	15.0	24.0
2	刘慧婷	安徽大学计算机科学与技术学院	64	1093	15.0	31.0
3	吴共庆	合肥工业大学计算机与信息学院	24	251	6.0	15.0
4	陈超	安徽大学计算机科学与技术学院	4	7	1.0	2.0