一种基于情景的协同过滤推荐算法

• 作者: 丁秋林 李荟 谢强
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 推荐系统 情景 协同过滤 稀疏性 聚类
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 42-46
• 页数: 5页
• 分类号: TP301.6
• 字数: 4368字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.10.010

摘要

针对协同过滤推荐算法中数据极端稀疏所带来的推荐精度低下的问题，文中提出一种基于情景的协同过滤推荐算法。通过引入项目情景相似度的概念，基于项目情景相似度改进了用户之间相似度的计算公式，并将此方法应用至用户离线聚类过程中，最终利用用户聚类矩阵和用户评分数据产生在线推荐。实验结果表明，该算法能够在数据稀疏的情况下定位目标用户的最近邻，一定程度上缓解数据极端稀疏性引起的问题，并减少系统在线推荐的时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁秋林	南京航空航天大学计算机科学与技术学院	259	3203	30.0	43.0
2	谢强	南京航空航天大学计算机科学与技术学院	89	1015	18.0	27.0
3	李荟	南京航空航天大学计算机科学与技术学院	2	11	2.0	2.0