基于组合相似度的优化协同过滤算法

• 作者: 徐桂琼 李振博 查九
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 推荐系统 协同过滤 组合相似度
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 信息技术交流
• 页码范围: 323-328
• 页数: 6页
• 分类号: TP391
• 字数: 6165字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.12.079

摘要

协同过滤算法是个性化推荐系统中应用最广泛的一种推荐技术。随着用户数量和项目数量的增加，数据的稀疏性成为影响推荐质量的重要因素。为此，将传统相似度指标修正余弦相似性、Pearson相似度，与结构相似度指标Jaccard系数、Salton系数、IUF系数进行组合，提出6种组合相似度。在MovieLens上的实验表明，基于组合相似度的优化协同过滤算法在平均绝对偏差MAE、均方根误差RMSE、召回率、覆盖率和确率等性能上都有了较大提高，提高了推荐质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐桂琼	上海大学管理学院	23	134	6.0	11.0
2	查九	上海大学管理学院	2	39	2.0	2.0
3	李振博	上海大学管理学院	4	61	4.0	4.0