基于混合模型推荐算法的优化

• 作者: 吴为民 李鹏飞
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 协同过滤 相似度 混合模型 权重因子 冷启动
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: CCML 2013
• 页码范围: 68-71,98
• 页数: 5页
• 分类号: TP181
• 字数: 5104字
• 语种: 中文

摘要

现代电子商务系统用户和物品数目的日益增加使得User-Item矩阵变得越来越稀疏,再加上目前相似性度量方法均存在一定弊端,致使推荐系统的推荐质量降低了.针对传统混合模型推荐算法做了优化,其相似性度量方法由物品属性相似性和改进的修正余弦相似性线性组合而成,权重因子自动生成,考虑了用户评分尺度及用户活跃度对物品相似性的影响.为解决冷启动问题,使用用户基本信息获得用户间的相似度,各属性权重因子由SVDFeature计算得到.实验结果表明,该算法有效地提升了推荐系统的推荐质量,同时还有效解决了用户冷启动与物品冷启动问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹏飞	北京交通大学计算机与信息技术学院计算机工程系	58	1379	22.0	36.0
2	吴为民	北京交通大学计算机与信息技术学院计算机工程系	4	54	2.0	4.0