安全的半监督方法的协同过滤推荐算法

• 作者: 王玉业 陈健美
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 推荐系统 安全的半监督支持向量机(S4VM) 半监督学习 置信度
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 107-111
• 页数: 5页
• 分类号: TP391
• 字数: 5865字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1611-0140

摘要

为解决传统协同过滤算法中用户评分数据稀疏性,忽视物品及用户特征,所带来的推荐质量下降的问题,提出了一种基于安全的、高置信度的半监督方法的协同过滤推荐算法,采用安全的,高置信度的半监督方法S4VM对没有评分的数据进行有效预测,同时考虑用户的行为信息以及物品及用户特征.通过对未评分数据进行预测,能够有效地缓解数据的稀疏性,从而提高寻找最近邻的准确度.实验结果表明,该算法能够有效地提高系统的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈健美	江苏大学计算机科学与通信工程学院	47	426	11.0	18.0
2	王玉业	江苏大学计算机科学与通信工程学院	1	5	1.0	1.0