基于用户和项目双向聚类的协同过滤推荐算法

• 作者: 刘雪庆 周超 孙英华 熊化峰
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 推荐算法 协同过滤 数据稀疏性 双向聚类 P-J相关系数
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息工程
• 页码范围: 55-60
• 页数: 6页
• 分类号: TP301.6
• 字数: 4575字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2018.02.11

摘要

针对传统协同过滤算法数据稀疏性问题,提出一种基于用户和项目双向聚类的协同过滤推荐算法CFBC(Collaborative Filtering based on Bidirectional Clustering),将评分矩阵从用户和项目两个方向进行聚类,降低数据稀疏性的影响,提出一种改进的相似度计算方法P-J (Pearson-Jaccard)相关系数,提高相似度计算精度.实验证明,相较于传统协同过滤算法,该算法能有效提高推荐准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙英华	青岛大学计算机科学技术学院	11	33	4.0	5.0
2	周超	青岛大学计算机科学技术学院	2	1	1.0	1.0
3	熊化峰	青岛大学计算机科学技术学院	3	2	1.0	1.0
4	刘雪庆	青岛大学计算机科学技术学院	4	3	1.0	1.0