基于隐马尔科夫模型的融合推荐算法

• 作者: 周嫒嫒 杨云 杨安驹 秦怡 闵玉涓
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 协同过滤 数据稀疏 时间效应 隐马尔科夫
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 60-65
• 页数: 6页
• 分类号: TP393
• 字数: 4578字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.09.013

摘要

针对传统的基于项目的协同过滤推荐算法中数据稀疏问题，以及受时间效应影响推荐准确度较低问题，提出将隐马尔科夫模型与传统的基于项目的协同过滤推荐算法相融合的推荐算法HMM-ItemCF。算法通过隐马尔科夫模型对系统中所有用户的评分行为，与目标用户的历史评分行为进行统筹分析，找到一批用户下一时刻概率最高的评分对象，并将这些评分对象发生概率与传统的项目相似度计算方法相加权得到新的相似度，最终产生推荐结果。仿真实验中对算法的重要参数进行训练，并与其他算法进行对比，证明改进后的算法是有效的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨云	扬州大学信息工程学院	35	177	7.0	12.0
2	杨安驹	扬州大学信息工程学院	3	13	2.0	3.0
3	秦怡	扬州大学信息工程学院	5	17	2.0	4.0
4	闵玉涓	扬州大学信息工程学院	4	17	2.0	4.0
5	周嫒嫒	扬州大学信息工程学院	1	5	1.0	1.0