基于大数据集的混合动态协同过滤算法研究

• 作者: 傅秀芬 汪岭 王晓牡
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 协同过滤 推荐系统 项目分类 时间权重
• 年，卷（期）: 2014,（3）
• 页码范围: 44-48,61
• 页数: 6页
• 分类号: TP391
• 字数: 4951字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7162.2014.03.008

摘要

协同过滤已在推荐系统中广泛使用，但传统算法存在一定的局限性，如不能较好地适应用户-项目评分矩阵数据集的稀疏性、计算项目相似性时未考虑项目的分类及用户对项目评分和兴趣的时变性等因素。针对这些局限性在传统协同过滤算法基础上提出一种基于大数据集的混合动态协同过滤算法。该算法在计算项目的相似性时引入了时间衰减函数，并综合考虑项目评分的相似性和项目分类的相似性，两者在项目综合相似性中所占权重可以自适应动态调节。算法还在相似性计算和近邻项目选取上做了一些改进。实验表明该算法比传统推荐算法质量有所提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅秀芬	广东工业大学计算机学院	93	758	14.0	20.0
2	汪岭	广东工业大学计算机学院	1	9	1.0	1.0
3	王晓牡	中国地质大学数学与物理学院	1	9	1.0	1.0