基于相似云与复合因素度量的个性化推荐算法

• 作者: 孙光明 李伟生 王硕
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 相似云 复合因素度量 相似度 加权平均 个性化算法
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 165-170,198
• 页数: 7页
• 分类号: TP311
• 字数: 9890字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.8.034

摘要

针对相似计算中评分数据的稀疏性、属性严格匹配与单因素度量的偶然性导致的近邻不准问题,提出基于相似云与复合因素度量的个性化推荐算法.该算法定义按类的项目评分云来预填充评分,提出融合类别、评分均值、评分频度、访问频度等多因素度量的项目兴趣度向量,通过云模型计算项目相似度,以按类预测其评分,并基于新的加权平均方法计算其最终评分值.实验结果表明,所提算法产生的近邻更准,推荐质量更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟生	北京交通大学计算机与信息技术学院	30	318	8.0	16.0
2	王硕	河北科技大学信息科学与工程学院	17	30	3.0	5.0
3	孙光明	北京交通大学计算机与信息技术学院	8	92	5.0	8.0