融合评分结构特征与偏好距离的协同过滤推荐算法

• 作者: 张路一 钱晓捷
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 协同过滤 推荐系统 数据稀疏 评分结构 偏好距离
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 185-190,196
• 页数: 7页
• 分类号: TP311
• 字数: 5965字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.05.030

摘要

在协同过滤算法中,用户之间的相似性计算影响推荐系统的质量,尤其是在数据稀疏的情况下得到的用户之间的关系同实际情况偏离较大,影响推荐精度.针对上述问题,提出一种新的相似性计算算法.利用用户评分结构特征的稳定性,同时结合评分结构间的偏好距离,重新计算用户间偏好相似度.在MovieLens数据集上的实验结果表明,与传统基于用户的相关相似性协同过滤算法及余弦相似性算法相比,该算法的推荐精度平均提高3.94％和2.99％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱晓捷	郑州大学信息工程学院	16	61	5.0	7.0
2	张路一	郑州大学信息工程学院	1	5	1.0	1.0