基于离散量和用户兴趣贴近度的协同过滤推荐算法

• 作者: 刘斌 李书琴 李昕宇 贾伟洋
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 协同过滤 相似度计算 数据稀疏性 离散量 推荐效果
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 226-232,237
• 页数: 8页
• 分类号: TP391
• 字数: 6263字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.01.038

摘要

针对传统协同过滤算法在计算用户相似度过程中,由于数据稀疏性导致的无法计算、失真、虚高等问题,提出一种融合离散量和兴趣贴近度的相似度度量方法.收集用户对项目的评分数据,从全信息量角度进行分析,通过引入离散量相关理论进行用户评分向量间的相似度计算,对评分相似的用户进行初步筛选,利用用户兴趣贴近度对相似度结果进行进一步加权处理,得到融合用户兴趣偏好信息的相似度结果,以此为基础,采用协同过滤算法进行个性化推荐.实验结果表明,该算法可有效提高信息推荐系统的推荐质量,在数据极端稀疏的情况下也能保持较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李书琴	西北农林科技大学信息工程学院	79	485	12.0	16.0
2	刘斌	西北农林科技大学信息工程学院	50	217	8.0	12.0
3	李昕宇	西北农林科技大学信息工程学院	4	7	1.0	2.0
4	贾伟洋	西北农林科技大学信息工程学院	1	7	1.0	1.0