基于社交关系和条件补全的协同过滤推荐算法

• 作者: 张为民 李坷露 李永丽
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 社交关系 条件补全 协同过滤 推荐准确率
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 计算机科学
• 页码范围: 1244-1248
• 页数: 5页
• 分类号: TP301.6
• 字数: 2769字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2017.05.37

摘要

针对传统协同过滤算法中存在数据稀疏、数据冗余和算法效率低等问题,提出一种基于社交关系和条件补全的协同过滤推荐算法.该算法将社交关系数据应用到矩阵补全过程中,减小原始矩阵的稀疏度,同时提高补全数据的精确度;在项目相似性计算时,条件性地选择参与计算的向量数据,减少数据的冗余度,并降低算法的时间复杂度.实验结果表明,改进算法的推荐准确率明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永丽	东北师范大学计算机科学与信息技术学院	50	322	10.0	15.0
2	张为民	吉林省教育学院综合教研培训部	5	6	2.0	2.0
3	李坷露	吉林大学计算机科学与技术学院	1	4	1.0	1.0