基于改进RFM模型的协同过滤推荐算法

• 作者: 周高云 谢榕芳 陈冬隐
• 来源期刊: 福建电脑
• 关键词: RFM 协同过滤 RFT
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 应用与开发
• 页码范围: 106-109
• 页数: 4页
• 字数: 5545字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2016.01.055

摘要

传统的协同过滤方法只利用用户的评分数据集，因此存在数据稀疏问题。为了解决稀疏问题，本文提出一种改进RFM模型的协同过滤方法。该方法首先把总利润率引进到RFM模型中，用总利润率代替传统的金额，得到一个改进后的模型-RFT模型，然后利用RFT模型得到一个新的用户-项目评分矩阵，最后利用得到的评分矩阵替代原始评分矩阵中的缺失项并使用协同过滤方法为用户做推荐。实验结果表明，该方法在召回率（recall）、准确率（precision）、F1三个指标上有较好的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈冬隐	福州大学数学与计算机科学学院	4	4	1.0	2.0
2	周高云	福州大学数学与计算机科学学院	2	4	1.0	2.0
3	谢榕芳	福州大学电气工程及自动化学院	3	17	2.0	3.0