结合正反相似度的协同过滤推荐算法

• 作者: 冯程 刘江冬 周泓宇 梁刚
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 推荐系统 协同过滤 数据稀疏 正反相似度 惩罚因子
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 51-56
• 页数: 6页
• 分类号: TP391
• 字数: 6849字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.10.009

摘要

针对协同过滤推荐系统中普遍存在的评分数据稀疏问题,提出一种基于正反相似度的协同过滤推荐算法.通过改进杰卡德相似度模型,给出一种计算用户正反相似度的方法,进而筛选出正反相似用户群,并根据正反相似用户群的已知评分进行综合预测.实验结果证明,与基于相似用户群的协同过滤推荐算法相比,该算法可以有效缓解协同过滤推荐中的数据稀疏问题,并且提高了推荐系统的预测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁刚	四川大学计算机学院	43	186	8.0	10.0
2	冯程	四川大学计算机学院	3	21	2.0	3.0
3	刘江冬	四川大学计算机学院	3	26	3.0	3.0
4	周泓宇	四川大学计算机学院	3	28	3.0	3.0