一种改进的协同过滤推荐算法

• 作者: 张坤 黄仁 黄涛
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 协同过滤 推荐系统 共同评分项 结构相似性 电子商务
• 年，卷（期）: 2016,（z1）
• 所属期刊栏目: 数据挖掘
• 页码范围: 400-403
• 页数: 4页
• 分类号: TP391
• 字数: 5137字
• 语种: 中文

摘要

协同过滤推荐算法是电子商务推荐系统中应用最成功的推荐技术之一,而影响协同过滤推荐算法准确率的关键因素是用户相似性度量方法.针对传统相似性度量方法没有考虑共同评分项数量对推荐质量的影响,将用户之间的共同评分项数量作为相似性计算的一个重要指标,从而得到一种改进的相似性度量方法.但这仍然不能解决数据稀疏带来的推荐质量下降的问题,鉴于此,在上述改进的基础上,提出了利用复杂网络中的结构相似性来度量用户之间相似性的方法,使计算结果更具实际意义和准确性.实验表明,通过这些改进能够有效避免传统方法带来的弊端,提高系统的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄仁	重庆大学计算机学院	34	423	13.0	19.0
2	黄涛	重庆大学计算机学院	15	102	6.0	10.0
3	张坤	重庆大学自动化学院	5	28	1.0	5.0