基于商品属性值和用户特征的协同过滤推荐算法

• 作者: 张树臣 王京 高长元 黄凯
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 商品属性值 评分期望值 用户特征 协同过滤
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2333-2339
• 页数: 7页
• 分类号: TP301.6
• 字数: 5270字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.12.024

摘要

为了提高用户相似度计算精度和推荐准确性,缓解数据稀疏性,提出一种基于商品属性值和用户特征的协同过滤推荐算法.该算法首先从用户对商品属性值的偏好出发,计算用户对商品属性值的评分分布和评分期望值,得到用户-属性值评分矩阵;同时利用数据相似性度量方法寻找用户特征邻居,填充用户-属性值评分稀疏矩阵,进而得出目标用户偏好的最近邻居集;计算用户对未评属性值的评分,将目标用户对商品所有属性值评分的均值进行排序,形成该用户的Top-N推荐列表.采用Movie Lens和Book Crossing数据集进行实验,结果表明该算法在缓解数据稀疏性问题上效果较好,推荐精度显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高长元	哈尔滨理工大学管理学院	141	1036	17.0	24.0
5	王京	哈尔滨理工大学管理学院	21	93	6.0	9.0
9	张树臣	哈尔滨理工大学管理学院	27	156	8.0	11.0
13	黄凯	哈尔滨理工大学管理学院	1	3	1.0	1.0