基于评论挖掘的改进的协同过滤推荐算法

• 作者: 曹建奇 王全民 王莉
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 评论 协同过滤 相似度 推荐算法
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 24-28
• 页数: 5页
• 分类号: TP301.6
• 字数: 4831字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.10.005

摘要

随着因特网的飞速发展，电子商务网站为人们提供了越来越多的选择，随之而来的信息过载和信息迷失问题日益严重，个性化推荐系统的出现极大地改善了这一情况。协同过滤是目前主流的推荐算法，但随着用户物品数目的日益增多和系统规模的不断扩大，用户-物品评分矩阵存在着严重的稀疏性等问题，导致推荐系统的推荐质量严重下降。针对此问题，文中提出了一种改进的协同过滤推荐算法，将评论挖掘技术引入协同过滤算法中，量化物品在各个特征上的分数，然后结合物品特征和用户评分共同计算物品相似度，将得到的物品预测评分填充用户-物品评分矩阵，最后结合基于用户的协同过滤思想对用户产生推荐。实验结果表明，改进的协同过滤推荐算法提高了推荐结果的精确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王全民	北京工业大学计算机学院	44	222	7.0	12.0
2	王莉	北京工业大学计算机学院	5	16	2.0	4.0
3	曹建奇	北京工业大学计算机学院	2	13	2.0	2.0