融合共同评分用户数和项目兴趣关系的推荐算法

• 作者: 于阳 金鑫 陈道波 黄瑞阳
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 基于项目的协同过滤 相似性 稀疏性 兴趣度
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算机技术及应用
• 页码范围: 347-353
• 页数: 7页
• 分类号: TP391
• 字数: 6634字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2017.03.018

摘要

基于项目的协同过滤系统中,传统的cosine、pearson和jaccard等相似性计算方法都只从单一的角度衡量了项目之间的相似性,导致相似性计算结果不准确.协同过滤系统中普遍存在评分数据稀疏性问题,使这一现象更为严重.针对这些问题,提出了一种融合共同评分用户数和项目兴趣关系的推荐算法.算法根据项目间的同类性和共同评分用户数改进了Pearson相似性,引入用户对项目的兴趣度,基于用户建立项目之间兴趣度向量.实验结果表明:算法提高了推荐准确度,有效地缓解了评分数据稀疏性对传统相似性计算的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金鑫		10	23	2.0	4.0
2	黄瑞阳		50	146	7.0	8.0
3	于阳		3	16	2.0	3.0
4	陈道波		1	2	1.0	1.0