改进的面向数据稀疏的协同过滤推荐算法

• 作者: 何聚厚 高倩
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 用户相似性 属性 兴趣 动态 数据稀疏性
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 63-66
• 页数: 4页
• 分类号: TP301.6
• 字数: 3231字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.03.015

摘要

用户相似性和最近邻集合是协同过滤算法中最重要的两个步骤。传统的协同过滤算法依靠用户评分计算用户相似性并寻找K个邻居作为最近邻的方法为用户产生推荐，但是在数据稀疏的情况下，仅仅依靠用户评分使得推荐效果不准确。针对以上问题，文中提出一种改进的面向数据稀疏的协同过滤推荐算法。该方法引入用户属性相似性和用户兴趣度相似性，并结合传统的用户评分相似性计算用户间的相似度，通过多次实验调整三者的权重，并且采用动态选取邻居集合的方法确定用户的最近邻，从而为用户推荐最合适的项目，增强了方法实用性，以此来缓解用户数据稀疏性问题。实验结果表明，文中方法能够充分利用用户的各类数据信息，提高了预测评分的准确性及推荐质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何聚厚	陕西师范大学现代教学技术教育部重点实验室	59	259	9.0	13.0
2	高倩	陕西师范大学计算机科学学院	3	25	1.0	3.0