基于综合相似度迁移的协同过滤算法

• 作者: 孙界平 崔兰兰 王霞 琚生根 金玉
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据稀疏 协同过滤 迁移学习 相似度迁移
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 477-482
• 页数: 6页
• 分类号: TP391
• 字数: 3415字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2018.03.010

摘要

数据稀疏性问题是传统协同过滤算法的主要瓶颈之一.迁移学习通常是利用目标领域与辅助领域的潜在关系,对辅助领域进行知识迁移,以此来提高目标领域的推荐质量.现有的基于相似度迁移模型,普遍只利用了用户评分信息,并且在评分相似度计算上忽略了用户评分标准个性差异.针对这些问题,提出了一种综合相似度迁移模型,在相似度计算上,即利用了用户评分信息同时也利用了用户属性信息,并且考虑了用户间对满意度的打分标准的差异性,采用了用户评分分布一致性来衡量用户评分相似度的方法,提高了相似度计算的准确性,从而提高了数据迁移的质量.实验结果表明,该模型较其他算法能比较有效地缓解数据稀疏性问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王霞	四川大学计算机学院	107	441	11.0	15.0
2	孙界平	四川大学计算机学院	15	91	6.0	9.0
3	琚生根	四川大学计算机学院	72	460	11.0	16.0
4	金玉	四川大学计算机学院	1	6	1.0	1.0