基于用户历史行为的协同过滤推荐算法

• 作者: 王志虎 黄曼莹
• 来源期刊: 微电子学与计算机
• 关键词: 数据挖掘 协同过滤 用户偏好 项目相似度 个性化推荐
• 年，卷（期）: 2017,（5）
• 页码范围: 132-136
• 页数: 5页
• 分类号: TP31
• 语种: 中文

摘要

协同过滤推荐是数据挖掘一个重要方向,传统协同过滤推荐算法受到数据稀疏性和冷启动制约,难以获得理想的推荐结果,为了改善协同过滤推荐的准确性,提出了基于用户历史行为的协同过滤推荐算法.首先根据用户的历史行为预测用户对每一个项目的偏好程度,并采用标签描述用户对项目的偏好程度,建立相应的特征向量,然后根据特征向量计算项目相似度实现个性化推荐,最后采用多个经典数据进行了仿真测试,以验证算法的优越性.测试结果表明,该算法大幅度降低了推荐的误差,提高了协同过滤推荐的准确率,克服了传统协同过滤推荐算法存在的局限性,而且可以加快推荐速度,具有更高的实际价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志虎	武汉理工大学信息工程学院	8	21	2.0	4.0
3	黄曼莹	广西经济管理干部学院计算机系	13	29	3.0	5.0