基于信息熵和时效性的协同过滤推荐

• 作者: 冯程 刘江冬 周泓宇 梁刚
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 推荐系统 协同过滤 噪声数据 数据稀疏性 信息熵 时效性
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2531-2534
• 页数: 4页
• 分类号: TP181
• 字数: 4919字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.09.2531

摘要

针对协同过滤推荐算法存在的噪声数据问题,提出了用户信息熵模型.用户信息熵模型结合信息论中信息熵的概念,采用信息熵的大小衡量用户信息的含量,利用用户评分数据得到用户的信息熵,过滤信息熵低的用户,从而达到过滤噪声数据的目的.同时,将用户信息熵模型和项目时效性模型相结合,项目时效性模型利用评分数据上下文信息获得项目的时效性,能有效缓解协同过滤的数据稀疏性问题.实验结果表明提出的算法能有效过滤噪声数据,提高推荐精度,与基础算法相比,推荐精度提高了1.1％左右.

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