融合类别信息和用户兴趣度的协同过滤推荐算法

• 作者: 何明 刘伟世 孙望 肖润
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 协同过滤 推荐系统 兴趣度 相似性计算
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 230-235,269
• 页数: 7页
• 分类号: TP391
• 字数: 8130字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.08.039

摘要

协同过滤直接根据用户的行为记录去预测其可能感兴趣的项目,是现今最成功、应用最广泛的推荐技术.推荐的准确度受相似性度量方法效果的影响.传统的相似性度量方法主要关注用户共同评分项之间的相似度,忽视了评分项目中的类别信息,在面对数据稀疏性问题时存在一定的不足.针对上述问题,提出基于分类信息的评分矩阵填充方法,结合用户兴趣相似度计算方法并充分考虑到评分项目的类别信息,使得兴趣度的度量更加符合推荐系统应用的实际情况.实验结果表明,该算法可以弥补传统相似性度量方法的不足,缓解评分数据稀疏对协同过滤算法的影响,能够提高推荐的准确性、多样性和新颖性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明	北京工业大学计算机学院	21	333	9.0	18.0
2	肖润	北京工业大学计算机学院	2	40	2.0	2.0
3	刘伟世	北京工业大学计算机学院	4	52	3.0	4.0
4	孙望	北京工业大学计算机学院	2	40	2.0	2.0