基于精确欧氏局部敏感哈希的协同过滤推荐算法

• 作者: 李红梅 郝文宁 陈刚
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 精确欧氏局部敏感哈希 协同过滤 相似性度量 推荐系统 近似近邻
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 数据技术
• 页码范围: 3481-3486
• 页数: 6页
• 分类号: TP391.3
• 字数: 8778字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.12.3481

摘要

针对推荐系统中用户评分数据的海量高维与稀疏性,以及直接利用传统相似性度量方法来获取近邻的计算量大、结果不准等对推荐质量的影响,提出基于精确欧氏局部敏感哈希(E2LSH)的协同过滤推荐算法.首先利用精确欧氏局部敏感哈希算法对用户评分数据进行降维处理并构建索引,以快速获取目标用户的近邻用户;然后利用加权策略来预测用户评分,进而完成协同过滤推荐.实验结果表明,该算法能有效解决用户数据的海量高维与稀疏性问题,且运行效率高,具有较好的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝文宁	解放军理工大学指挥信息系统学院	64	544	13.0	20.0
2	陈刚	解放军理工大学指挥信息系统学院	32	353	12.0	18.0
3	李红梅	解放军理工大学指挥信息系统学院	4	30	2.0	4.0