融合用户自然最近邻的协同过滤推荐算法

• 作者: 唐万梅 王欣 王颖
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 推荐系统 协同过滤 自然最近邻用户 无参 推荐准确率
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 77-83
• 页数: 7页
• 分类号: TP311
• 字数: 6804字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1702-0031

摘要

现有的基于近邻的协同过滤推荐方法如基于KNN、基于K-means的协同过滤推荐常用来预测用户评分,但该方法确定邻居个数K非常困难且推荐准确率不高,难以达到理想推荐效果.从选择邻居用户这一角度出发,提出一种融合用户自然最近邻的协同过滤推荐算法(Collaborative Filtering recommendation integrating user-centric Natural Nearest Neighbor,CF3N),该算法首先自适应地寻找目标用户的自然最近邻居集,再融合目标用户的自然最近邻居集与活动近邻用户集,使用融合后得到的邻居集合预测目标用户评分.实验使用了MovieLens数据集,以RMSE和MAE为评测标准,比较CF3N、CF-KNN与INS-CF算法,结果显示在电影领域该算法的推荐准确率有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐万梅	重庆师范大学计算机与信息科学学院	42	424	9.0	20.0
2	王欣	重庆师范大学计算机与信息科学学院	8	20	3.0	4.0
3	王颖	重庆师范大学计算机与信息科学学院	4	9	1.0	3.0