基于标签和评分差值信息熵的协同过滤算法

• 作者: 侯继昌 陈家琪
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 协同过滤 信息熵 标签 数据稀疏性
• 年，卷（期）: 2018,（5）
• 页码范围: 57-61,65
• 页数: 6页
• 分类号: TP393
• 字数: 4810字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.05.015

摘要

针对传统协同过滤算法存在的数据稀疏性问题,文中分析了用户标签兴趣实时变化导致的推荐准确度下降以及用户评分分散程度大等问题,提出了一种基于用户兴趣标签和评分差值信息熵的协同过滤算法.利用用户向量标签和兴趣遗忘函数计算用户实时性兴趣相似度;再通过改进后的Jaccard函数对用户间评分差值信息熵进行加权,得出用户评分相似度;最后结合用户实时性兴趣相似度和差值权重信息熵得到目标用户的相似用户集,为目标用户推荐Top-N的相似度用户.实验结果表明,改进后的协同过滤算法能有效的提高推荐精度,同时在一定程度上解决稀疏性问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈家琪	上海理工大学光电信息与计算机工程学院	84	771	15.0	24.0
2	侯继昌	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0