一种缓解协同过滤算法数据稀疏性的方法

• 作者: 丁丁 艾丽华 蔡雄峰
• 来源期刊: 软件
• 学科: 工学
• 关键词: 协同过滤 推荐系统 数据稀疏 兴趣度 填充矩阵
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 基金项目论文
• 页码范围: 41-47
• 页数: 7页
• 分类号: TP391.1
• 字数: 5937字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2015.03.009

摘要

协同过滤算法是推荐系统中最古老的算法之一,同时也是当今推荐系统中使用最广泛的一种算法.但是在简单,效率高的同时,协同过滤算法还存在数据稀疏性,冷启动等一些问题.本文针对其数据稀疏性的问题,提出了一种根据兴趣度预测用户未评分项目的方法.最后通过基于Netflix数据集的实验结果表明,该方法能够更好的处理稀疏矩阵,能缓解数据稀疏问题,从而提高了协同过滤算法的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾丽华	北京交通大学计算机与信息技术学院	13	103	5.0	10.0
2	丁丁	北京交通大学计算机与信息技术学院	13	97	5.0	9.0
3	蔡雄峰	北京交通大学计算机与信息技术学院	1	19	1.0	1.0