基于改进LSH的协同过滤推荐算法

• 作者: 李红梅 郝文宁 陈刚
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐系统 近似近邻 协同过滤 相似性度量 局部敏感哈希
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 256-261
• 页数: 6页
• 分类号: TP391.3
• 字数: 7346字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.10.052

摘要

协同过滤是个性化推荐系统中应用较为成功与广泛的技术之一,影响协同过滤推荐质量的关键在于获取目标用户的k近邻用户,然后基于k近邻对其未评价的项目进行评分预测与推荐.针对用户评分数据的规模大、维度高、高度稀疏以及直接进行相似性度量的实时性差等对推荐性能的影响,提出一种基于LSH的协同过滤推荐算法,并对其进行改进.该算法基于p稳态分布的局部敏感哈希对用户评分数据进行降维与索引,并采用多探寻的机制对其进行改进,缓解多个哈希表对内存的压力,快速获取目标用户的近邻用户集合,然后采用加权方法来预测用户评分并产生推荐.标准数据集上的实验结果表明,该方法能有效克服评分数据的高维稀疏,并在保证一定推荐精度的前提下,大幅度提高推荐效率和降低内存消耗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝文宁	解放军理工大学指挥信息系统学院	64	544	13.0	20.0
2	陈刚	解放军理工大学指挥信息系统学院	32	353	12.0	18.0
3	李红梅	解放军理工大学指挥信息系统学院	4	30	2.0	4.0