融合用户评分和属性相似度的协同过滤推荐算法

• 作者: 杨秀萍
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 推荐系统 协同过滤 相似性度量 稀疏性问题
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 16-19
• 页数: 4页
• 分类号: TP311
• 字数: 2559字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.07.003

摘要

为了提高协同过滤推荐系统的推荐效率和准确性,更好地向用户提供个性化的推荐服务,提出一种用户评分和属性相似度的推荐算法.首先分析当前协同过滤推荐研究的现状,设计评分相似度、兴趣倾向相似度、置信度等作为评分标准,使得用户相似度的计算更加准确、有区分度,然后根据用户属性来衡量用户之间的相似度,最后利用MovieLens数据集和Book-Crossing数据集做对比试验,对比精度、通用性和不同稀疏度及冷启动情况下的性能.实验结果表明,本文算法不仅提高了推荐精度,而且明显优于其它协同过滤推荐算法,具有更高的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨秀萍	广东农工商职业技术学院计算机系	9	73	5.0	8.0