基于用户概要扩展的协同过滤算法

• 作者: 孔维梁 韩淑云 黄宏涛
• 来源期刊: 计算机应用研究
• 关键词: 个性化推荐 协同过滤 冷启动 新用户 朴素贝叶斯
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1379-1383
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.05.023

摘要

针对协同过滤算法中的新用户冷启动问题,提出了基于用户概要扩展的协同过滤算法(EUPCF).算法采用一种新的加权朴素贝叶斯方法对新用户的概要进行局部扩展,然后使用扩展后的概要为新用户进行预测推荐,为预测项目提供更多近邻项目.新的加权朴素贝叶斯方法为每个条件属性独立计算后验概率,避免了传统方法中联合分布先验概率对数据稀疏度的敏感性问题,提高了扩展的准确度.MovieLens数据集实验表明,新算法拥有良好的预测准确度,同时,不会对推荐的实时性产生较大影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄宏涛	河南师范大学教育学院	17	41	4.0	5.0
2	孔维梁	河南师范大学教育学院	4	3	1.0	1.0
3	韩淑云	河南师范大学教育学院	4	3	1.0	1.0