融合用户评分和属性相似度的协同过滤推荐算法

• 作者: 王三虎 王丰锦
• 来源期刊: 计算机应用与软件
• 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,（4）
• 所属期刊栏目: 算法
• 页码范围: 305-308,321
• 页数: 5页
• 分类号: TP3
• 字数: 2573字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.04.052

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,设计相似度、兴趣倾向相似度、置信度等指标作为评分标准,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,利用MovieLens数据集和Book-Crossing数据集做对比实验,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,而且明显优于其他协同过滤推荐算法,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	王三虎	吕梁学院计算机科学与技术系	17	20	2.0	3.0
2	王丰锦		2	14	2.0	2.0