基于共同评分项目数和用户兴趣的协同过滤推荐方法

• 作者: 李季红 李青 王雪霞
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 稀疏数据 共同评分项目数 用户兴趣 协同过滤 Pearson相似度
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 2014年全国开放式分布与并行计算学术年会(DPCS 2014)?
• 页码范围: 3140-3143
• 页数: 4页
• 分类号: TP301.6
• 字数: 3600字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.11.3140

摘要

在推荐系统中,为了在一定程度上减少用户评分数据稀疏对推荐效果的负面影响,提出了一种基于用户共同评分项目数和用户兴趣的协同过滤推荐算法.此算法将用户共同评分项目数和用户兴趣相似度相结合,使用户之间的相似度计算更加准确,为目标用户提供更好的推荐结果.仿真实验结果表明:所提算法比基于Pearson相似度计算方法的算法推荐效果更优,具有更小的平均绝对误差(MAE),表明了其有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李青	上海大学计算机工程与科学学院	48	401	10.0	19.0
2	王雪霞	上海大学计算机工程与科学学院	1	15	1.0	1.0
3	李季红	上海大学计算机工程与科学学院	1	15	1.0	1.0