动态混合相似性度量下的协同过滤推荐算法

• 作者: 周艳玲 夏竹青 王竹婷
• 来源期刊: 合肥学院学报（综合版）
• 学科: 工学
• 关键词: 推荐系统 协同过滤 相似度
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 计算机与电子
• 页码范围: 59-63
• 页数: 5页
• 分类号: TP301.6
• 字数: 3878字
• 语种: 中文

摘要

协同过滤是个性化推荐系统中应用于最为成熟的技术之一.其中基于用户的协同过滤采用相似性度量方法寻找近邻用户,再使用近邻用户的评分预测目标用户未评分项的评分值.针对传统的相似性度量方法在处理大规模稀疏性数据时的缺陷,提出一种新的改进策略,将用户评分习惯、群体相似性和评分值相似性三类因素纳入用户相似性度量方法中,并动态调整三者的权重.根据在MovieLens数据集上的测试结果表明,该改进策略可有效提高算法的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王竹婷	合肥学院计算机科学与技术系	25	24	2.0	3.0
2	周艳玲	合肥学院计算机科学与技术系	14	5	2.0	2.0
3	夏竹青	合肥学院计算机科学与技术系	12	6	2.0	2.0