基于用户非对称相似性的协同过滤推荐算法

• 作者: 谢晋 黄贤英 龙姝言
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 协同过滤 推荐算法 非对称相似 矩阵分解
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 489-493
• 页数: 5页
• 分类号: TP391
• 字数: 4088字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2018.03.012

摘要

针对传统协同过滤推荐算法的数据稀疏以及用户关系衡量不准确的问题,提出了基于用户非对称相似关系的推荐算法.利用用户的潜在特征的样本数量,结合奇异值矩阵分解,计算用户之间非对称的相似度,明确用户间关系.仿真结果表明,随着邻居数量的增加,该算法的平均绝对误差始终优于传统算法,误差值在邻居数量为40~60之间值为最小,约为0.682,传统算法平均绝对误差值约为0.758,可以看出该算法判断用户关系较为准确,预测评分比传统算法更接近实际评分.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄贤英	重庆理工大学计算机科学与工程学院	95	349	9.0	14.0
2	龙姝言	重庆理工大学计算机科学与工程学院	4	18	3.0	4.0
3	谢晋	重庆理工大学计算机科学与工程学院	4	18	3.0	4.0