一种改进的缺失数据协同过滤推荐算法

• 作者: 周明升 韩冬梅
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 协同过滤 推荐系统 缺失数据预测 数据稀疏性
• 年，卷（期）: 2016,（17）
• 所属期刊栏目: 软件与算法
• 页码范围: 17-19
• 页数: 3页
• 分类号: TP391
• 字数: 2569字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2016.17.005

摘要

协同过滤推荐算法是推荐系统研究的热点,近年来,在亚马逊、淘宝等商业系统中获得应用.在实际应用过程中,协同过滤推荐面临数据稀疏和准确性低的问题.作为推荐基础的用户-产品(项目)矩阵通常非常稀疏(存在大量缺失数据),从而导致推荐结果不准确.文章试图在缺失数据情况下提高协同过滤推荐的准确性,聚焦以下两个方面:(1)用户相似度、产品(项目)相似度计算;(2)缺失数据预测.首先,用增强的皮尔森相关系数算法,通过增加参数,对相似度进行修正,提高用户、产品(项目)相似度计算的准确率.接着,提出一种同时考虑了用户和产品(项目)特征的缺失数据预测算法.算法中,对用户和产品(项目)分别设置相似度阈值,只有当用户或产品(项目)相似度达到阈值时,才进行缺失数据预测.预测过程中,同时使用用户和产品(项目)相似度信息,以提高准确度.在模型基础上,用淘宝移动客户端的数据集进行了验证,实验结果表明所提算法比其他推荐算法要优异,对数据稀疏性的鲁棒性要高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周明升	上海财经大学信息管理与工程学院	6	12	1.0	3.0
3	韩冬梅	上海财经大学信息管理与工程学院	34	529	12.0	22.0