基于项目类别的协同过滤推荐算法多样性研究

• 作者: 叶锡君 龚玥
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 协同过滤 多样性 项目类别 贡献函数 预测评分 列表内相似度指标
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 42-46,52
• 页数: 6页
• 分类号: TP391
• 字数: 5935字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.10.009

摘要

推荐系统的多样性正日益成为评价推荐质量的重要指标.为提高传统协同过滤推荐算法的个体多样性,在基于项目的协同过滤推荐算法的基础上,加入项目的类别属性信息,定义项目类别贡献函数以改进预测评分公式,提高与目标项目类别不完全相同的项目得分,实现最优项目推荐.实验结果表明,在保证一定推荐精确度的前提下,改进算法增强了推荐系统的个体多样性,具有更高的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶锡君	南京农业大学信息科技学院	22	353	7.0	18.0
2	龚玥	南京农业大学信息科技学院	2	21	1.0	2.0