一种改进的结合标签和评分的协同过滤推荐算法

• 作者: 杨明 高娜
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 协同过滤 标签 推荐系统 稀疏性
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 98-103
• 页数: 6页
• 分类号: TP391
• 字数: 5969字
• 语种: 中文

摘要

推荐系统由于其数据量庞大的原因，已经成为大数据领域研究的一个热点。而协同过滤算法是推荐系统中最著名的算法之一。传统协同过滤算法在利用评分矩阵进行推荐时，面临数据稀疏性问题，从而严重影响推荐的质量。同时，推荐系统中存在大量的描述用户和产品属性特征的标签信息，把这些标签信息融入到传统的推荐算法中是解决稀疏性的一个有效方法。因此，针对稀疏性问题，本文提出了一种结合标签和评分的协同过滤推荐算法。该算法结合标签信息和评分数据共同计算用户之间或产品之间的相似性，进而为用户产生推荐。实验结果表明，本文提出的算法可以有效解决数据稀疏性问题，同时可以提高推荐系统的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学计算机科学与技术学院	58	1074	15.0	32.0
2	高娜	南京师范大学计算机科学与技术学院	2	43	2.0	2.0