融合评分倾向度和双重预测的协同过滤推荐算法

• 作者: 关欣 吕杰 孙萍 李锵
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 推荐系统 协同过滤 用户偏好 评分预测
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1642-1651
• 页数: 10页
• 分类号: TN911.7
• 字数: 7356字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1608002

摘要

协同过滤推荐算法面临着严重的数据稀疏性问题,提出一种融合评分倾向度和双重预测的协同过滤推荐算法以解决该问题.在选择最近邻阶段,引入评分倾向度来改进相似性度量方法,更加准确地得到最近邻居集;在推荐生成阶段,利用基于用户最近邻和基于项目最近邻的双重预测方法来进行评分预测,提高预测的准确度.通过在MovieLens-1M数据集上的实验结果表明:该算法能够缓解数据稀疏性对推荐结果的影响,有效降低平均绝对误差,提高推荐准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李锵	天津大学电子信息工程学院	74	624	12.0	22.0
2	关欣	天津大学电子信息工程学院	36	193	9.0	12.0
3	孙萍	天津大学电子信息工程学院	6	14	2.0	3.0
4	吕杰	天津大学电子信息工程学院	4	22	3.0	4.0