基于改进最近邻的协同过滤推荐算法

• 作者: 张新东 柴变芳 硕良勋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 改进最近邻 粒子群优化算法 参数选择
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 137-141
• 页数: 5页
• 分类号: TP391
• 字数: 3161字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1405-0236

摘要

针对当前协同过滤推荐算法易受数据稀疏性与冷启动的问题，提出了一种改进最近邻的协同过滤推荐算法。建立用户-项目评分矩阵，并度量项目之间、用户之间的相似性，获取项目和用户的最近邻居，其中最近邻居的最优参数k值采用粒子群算法选择，在MovieLens和Book-Crossing数据集上进行了仿真对比实验。结果表明，相对于其他协同过滤推荐算法，该算法降低了平均绝对误差值，提升了推荐准确度，达到提高推荐质量效果的目的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴变芳	北京交通大学计算机与信息技术学院	8	75	4.0	8.0
2	硕良勋	石家庄经济学院网络信息安全实验室	10	99	4.0	9.0
3	张新东		1	49	1.0	1.0