使用二分图网络提高协同推荐的准确性

• 作者: 冷亚军 张俊岭 陆青
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐系统 协同过滤 二分图网络 近邻传播聚类
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 256-260
• 页数: 5页
• 分类号: TP311
• 字数: 4502字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.3.053

摘要

协同过滤是推荐系统中广泛使用的最成功的推荐技术,但却面临着严峻的稀疏性问题.评分数据稀疏性使得最近邻搜寻不够准确,导致推荐质量较差.使用二分图网络缓解协同过滤推荐系统中的稀疏性问题,即将用户和项目抽象为二分图网络中的节点,重新分配项目资源并计算项目间资源贴近度,据此填充用户未评分项目,将稀疏评分矩阵转化为完全矩阵.采用近邻传播聚类对评分矩阵进行聚类,提高算法的可扩展性.最后提出了两种不同的在线推荐策略:(1)通过加权目标用户所在类的邻居用户评分产生推荐(BNAPC1);(2)通过各个类的总体偏好产生推荐(BNAPC2).在MovieLens和Netflix数据集上进行了实验,结果表明BNAPC1的预测精度优于BNAPC2,且与其他几种常用的推荐算法相比仍具有一定优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆青	上海电力学院经济与管理学院	43	537	10.0	22.0
2	冷亚军	上海电力学院经济与管理学院	24	374	6.0	19.0
3	张俊岭	浙江师范大学经济与管理学院	9	101	6.0	9.0