基于重叠度和双重属性的协同过滤推荐算法

• 作者: 刘学军 张博 李斌
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 重叠度 推荐对象集 双重属性 协同过滤 推荐系统
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 235-240
• 页数: 6页
• 分类号: TP301
• 字数: 7937字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.4.048

摘要

协同过滤是现行推荐系统中应用最广泛也是最成功的推荐技术之一,然而传统的协同过滤推荐算法存在着邻居选取片面性和推荐精度低的问题.针对上述问题,提出了一种基于重叠度和双重属性的协同过滤推荐算法.首先基于相似度和重叠度的共同计算结果选取推荐对象集;然后提出了双重属性的概念,分别计算推荐用户的信任度和目标项目的受欢迎度;最后兼顾两个群体,根据用户和项目两方面的评分信息完成对目标用户的推荐.实验结果证明该算法较传统的协同过滤推荐算法在邻居选取和推荐质量方面均有显著的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李斌	南京工业大学电子与信息工程学院	56	397	12.0	15.0
2	张博	南京工业大学电子与信息工程学院	7	33	3.0	5.0
3	刘学军	南京工业大学电子与信息工程学院	59	564	12.0	21.0