一种基于协同过滤和排序的多样性增强的推荐算法

• 作者: 吴颖杰 康瑞 徐洪波
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 推荐系统 准确性 总体多样性 协同过滤
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 理论与算法
• 页码范围: 7-12
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701322

摘要

针对传统算法过于追求推荐系统的准确率,而忽略了多样性,造成“长尾”效应的加剧,提出一种结合协同过滤和排序的总体多样性增强推荐算法.首先,利用现有协同过滤推荐算法生成的预测评分构建用户候选推荐列表,进而构建初步排序的用户推荐列表;其次,设定项目权重,根据各部分权重给出对应推荐项目数;最后,结合各部分推荐生成最终推荐列表.与现有的协同过滤推荐算法在真实电影评分数据集上进行实验对比.实验结果表明,改进以后的推荐系统的总体多样性明显改善(相对提高64.83％),准确性有略微下降(相对下降1.46％).本算法在保证推荐准确率的同时能有效提高推荐的总体多样性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐洪波		23	124	6.0	10.0
2	康瑞		5	17	2.0	4.0
3	吴颖杰		2	1	1.0	1.0