融合内容和改进协同过滤的个性化推荐算法

• 作者: 何波 潘力
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 个性化推进 协同过滤 内容过滤 Pearson相关系数 加权因子
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 1553-1558
• 页数: 6页
• 分类号: TP18
• 字数: 5554字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.170560

摘要

为了提高个性化推荐算法的推荐准确性,提出一种融合内容和改进协同过滤的推荐算法.首先,利用基于内容的过滤方法对未评分的项目进行预测,获得预测评分,从而构建了项目—评分矩阵,用于计算评分的Pearson相关系数.然后,在Pearson相关系数计算中融入项目热门系数,对传统协同过滤方法进行改进,并以此对项目给出最终的评分,从而产生推荐.另外,通过调和加权因子和用户加权因子,使基于内容推荐和协同过滤的评分结果能够更合理的融合.实验结果表明,与当前个性化推荐技术相比,所提算法能够有效解决用户评分数据稀疏的问题,具有更高的推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何波	广州工程技术职业学院信息工程系	4	14	1.0	3.0
2	潘力	郑州工程技术学院人事处	10	23	3.0	4.0