基于双层相似度的协同过滤推荐算法

• 作者: 李建华 谢毅刚 郭卫斌
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 协同过滤 双层相似度 用户属性 物品属性
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 131-138
• 页数: 8页
• 分类号: TP301.6
• 字数: 6700字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20170103003

摘要

针对由于用户评价矩阵的数据稀疏性而导致推荐精度和准确率不高的问题,提出了一种基于双层相似度的协同过滤算法.经典算法通过改进某一种相似度或者混合相似度来提高推荐精度和准确度,本文对此进行了改进,将最近邻相似度和最近评分相似度两个概念进行区分,采用双层相似度来寻找这两个概念层次的邻居.第1层用来寻找与用户行为偏好的最近邻居,基于用户共同评价行为和差异行为的对数似然比及用户物品属性偏好相似性来实现.第2层用来寻找在评分意义上的最近评分邻居,通过改进的皮尔森相似度衡量用户评分上的相似性,给用户未知的物品进行评分预测.在Movielens数据集上的实验结果表明,本文算法能够快速排除干扰找到用户邻居,极大地提高了推荐系统的精确度、准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建华	华东理工大学信息科学与工程学院	28	79	5.0	7.0
2	郭卫斌	华东理工大学信息科学与工程学院	27	97	7.0	8.0
3	谢毅刚	华东理工大学信息科学与工程学院	1	7	1.0	1.0