基于用户多属性与兴趣的协同过滤算法

• 作者: 孟令军 成亚飞 王春春 赵好好 赵文涛
• 来源期刊: 计算机应用研究
• 关键词: 协同过滤 冷启动 数据稀疏性 用户多属性 隐性标签
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3630-3633,3653
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.12.025

摘要

传统的协同过滤算法广泛应用于推荐系统领域，但该算法仍存在用户冷启动和数据稀疏性问题，造成算法的推荐质量较差。对此，提出一种基于用户多属性与兴趣的协同过滤算法AICF（attributes and interests collabora-tive filtering）。首先通过对多种用户属性分配权重计算出用户多属性相似度。其次利用改进的Slope One算法填充用户—项目评分矩阵，然后计算基于隐性标签的用户兴趣相似度。最后基于两种相似度的组合进行推荐。实验结果表明，AICF算法不仅明显提高了推荐结果的准确性，同时也改善了用户冷启动和数据稀疏性问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵文涛	河南理工大学计算机科学与技术学院	32	158	7.0	11.0
2	王春春	河南理工大学计算机科学与技术学院	4	80	3.0	4.0
3	成亚飞	河南理工大学计算机科学与技术学院	4	47	2.0	4.0
4	孟令军	河南理工大学计算机科学与技术学院	9	78	3.0	8.0
5	赵好好	河南理工大学计算机科学与技术学院	5	75	3.0	5.0