融合信息熵与兴趣度的协同过滤算法

• 作者: 余强 朱秋月 石坤
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 协同过滤 信息熵 用户兴趣度 Pearson系数
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 信息融合
• 页码范围: 338-342
• 页数: 5页
• 分类号: TP391.3
• 字数: 4424字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2017.02.026

摘要

为提高推荐系统的推荐质量,减小用户评分数据稀疏性对推荐效果的不良影响,提出了一种结合加权信息熵与兴趣度的协同过滤推荐算法.此算法全面考虑公共评分项目数、评分数值差异与数值变化趋势三个方面的因素,结合加权信息熵与用户兴趣度,使度量用户间相似度变得更加准确.仿真实验结果表明:所提算法比基于Pearson相关性系数以及余弦相似性的推荐算法具有更小的平均绝对误差,表明了其可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余强	西华大学计算机与软件工程学院	21	178	7.0	13.0
2	石坤	西华大学计算机与软件工程学院	5	6	2.0	2.0
3	朱秋月	西华大学计算机与软件工程学院	2	29	2.0	2.0