基于位置的非对称相似性度量的协同过滤推荐算法

• 作者: 丁小焕 彭甫镕 王付强 陆建峰
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 协同过滤 基于位置服务 个性化推荐 位置感知 基于位置的用户相似性
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 171-174,180
• 页数: 5页
• 分类号: TP311
• 字数: 4586字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.01.0171

摘要

为提升推荐系统的准确率,针对传统协同过滤(CF)推荐算法没有有效使用位置信息的问题,提出了一种基于位置的非对称相似性度量的协同过滤推荐算法(LBASCF).首先,分别利用用户-商品评分矩阵和用户历史消费位置,计算出用户间的余弦相似性和基于位置的非对称相似性;其次,将余弦相似性与基于位置的相似性融合,得到一个新的非对称用户相似性,融合后的相似性能够同时反映用户在位置上和兴趣上的偏好;最后,根据用户的最近邻居对商品的评分向用户推荐新的商品.用某点评数据集和Foursquare数据集对算法的有效性进行了评估.在某点评数据集实验结果证明,与CF相比,LBASCF的召回率和精确率分别提高了1.64％和0.37％;与位置感知协同过滤推荐系统(LARS)方法比较,LBASCF的召回率和精确率分别提高了1.53％和0.35％.实验结果表明,LBASCF相对于CF和LARS在基于位置服务的应用中能够有效提高系统的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆建峰	南京理工大学计算机科学与工程学院	77	1217	17.0	33.0
2	彭甫镕	南京理工大学计算机科学与工程学院	7	53	3.0	7.0
3	丁小焕	南京理工大学计算机科学与工程学院	3	21	1.0	3.0
4	王付强	南京理工大学计算机科学与工程学院	1	0	0.0	0.0