融合影响因子的加权协同过滤算法

• 作者: 任杰 张洋 杨建锋 王海 高全力 高岭
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 影响因子 协同过滤 相似度 加权算法 预测评分 推荐系统
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 38-42
• 页数: 5页
• 分类号: TP311
• 字数: 5177字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.08.008

摘要

现有的协同过滤算法在计算用户间或项目间相似度时,由于数据集稀疏导致相似度差值过小,难以找出真正的相似用户与相似项目.为此,提出一种融合影响因子的加权协同过滤算法.利用基于用户间与项目间共同评分用户个数的影响因子,修正用户及项目相似度,并分别定义基于项目与用户的预测评分计算算法,将项目间与用户间的共同评分项作为加权系数,得出最终的预测评分算法,根据最终预测评分,采用TopN算法进行推荐.在真实数据集上的实验结果表明,该算法在不同邻居数上的平均绝对误差小于0.78,明显提高了推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高岭	西北大学信息科学与技术学院	96	1019	17.0	28.0
2	高全力	西北大学信息科学与技术学院	10	142	5.0	10.0
3	杨建锋	西北大学信息科学与技术学院	25	136	6.0	11.0
4	王海	西北大学信息科学与技术学院	23	158	5.0	12.0
5	任杰	西北大学信息科学与技术学院	7	38	3.0	6.0
6	张洋	西北大学信息科学与技术学院	3	18	2.0	3.0