基于欧氏空间相似度的云模型协同过滤算法

• 作者: 孟祥茂 廖列法 黎晨
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 协同过滤 云模型 数字特征 欧几里德相似度 标准化
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 数据挖掘
• 页码范围: 1977-1982
• 页数: 6页
• 分类号: TP311
• 字数: 5332字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.10.027

摘要

传统的基于余弦相似度度量的云模型协同过滤推荐算法未考虑特征向量的长度和维度,忽略了三个重要数字特征云期望、熵和超熵的关系,如各数字特征具有不同的性质和权重,导致特征丢失、区分度过小的问题.针对这些问题,提出了一种采用标准化的多维欧几里德相似度计算方法,通过将三个数字特征映射为三维空间的点,计算经指数函数标准化的欧几里德相似度,生成更合理的用户k近邻集,最终产生推荐.实验结果表明,该相似度计算方法能够为云特征向量提供更显著的区分度,并在一定程度上提高了推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖列法	江西理工大学信息工程学院	36	253	9.0	14.0
2	黎晨	江西理工大学信息工程学院	4	31	3.0	4.0
3	孟祥茂	江西理工大学信息工程学院	7	72	6.0	7.0