基于多属性效用的协同过滤推荐系统

• 作者: 张永安 邓峰
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 推荐系统 多属性效用 协同过滤 隐式评分 遗传算法
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1988-1992
• 页数: 5页
• 分类号: TP391.1
• 字数: 6416字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.07.1988

摘要

针对基于多标准的协同过滤(MC-CF)推荐系统中用户负担重、超高维问题,提出了基于多属性效用的协同过滤(MAU-CF)推荐系统.首先,依据用户浏览行为挖掘属性权重和属性值效用,构造用户的多属性效用函数,获取用户对项目的隐式评分;其次,采用遗传算法(GA)寻找用户偏好的属性值集合;然后,根据属性值集合中属性权重和属性值效用的相似度,寻找最近邻;最后,根据相似度预测最近邻浏览或购买过的项目对目标用户的效用,向目标用户推荐效用大的项目.通过比较实验发现,相对于MC-CF,MAU-CF挖掘的隐式效用能够替代显式效用,计算维度减少了44.16％,时间消耗减少了27.36％,平均绝对误差(MAE)减少了5.69％,用户满意度提高了13.44％.实验结果表明,MAU-CF推荐系统在减少用户负担和计算维度、提高推荐质量方面比MC-CF推荐系统表现得更优越.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永安	北京工业大学经济与管理学院	171	2409	26.0	40.0
2	邓峰	北京工业大学经济与管理学院	21	98	6.0	9.0