协同过滤推荐算法在豆瓣网络数据上的研究

• 作者: 傅晨波 宣琦 张哲 董辉 马晓迪
• 来源期刊: 计算机系统应用
• 关键词: 复杂网络 推荐算法 协同过滤 最近邻 有向相似度
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 专论 综述
• 页码范围: 18-24
• 页数: 7页
• 字数: 6187字
• 语种: 中文

摘要

在豆瓣网络数据上对传统的协同过滤推荐算法进行改进，分别考虑最近邻和有向相似度方向的作用，对图书、电影和音乐收藏列表进行个性化推荐。推荐的结果在准确度、多样性和新奇性三种被广泛使用在衡量推荐算法效果的指标上进行比较和分析。结果表明，相比传统协同过滤推荐算法，两种改进算法均能够保证多样性和新奇性，同时最近邻算法可有效降低算法复杂度，而有向相似度算法则具有更高的推荐准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董辉	浙江工业大学信息工程学院	39	232	9.0	14.0
2	张哲	浙江工业大学信息工程学院	6	13	2.0	3.0
3	宣琦	浙江工业大学信息工程学院	11	27	3.0	5.0
4	傅晨波	浙江工业大学信息工程学院	7	16	2.0	4.0
5	马晓迪	浙江工业大学信息工程学院	2	7	1.0	2.0