基于用户相似度和信任度的药品推荐算法

• 作者: 周锡玲 肖晓丽
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 信任计算模型 用户相似度 药品推荐
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 工程与应用
• 页码范围: 214-219,241
• 页数: 7页
• 分类号: TP391
• 字数: 6831字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1609-0445

摘要

为了解决协同过滤算法推荐精度低的问题,提出基于用户相似度和信任度的药品推荐算法.该方法通过离线使用DBSCAN算法对药品进行聚类来降低时间复杂度.引入共同评分药品阈值使用户相似度计算更准确,同时设置相似度阈值来限定相似性邻居的选取以克服KNN算法选取邻居的缺陷.根据用户的推荐可信度和评分可信度建立信任计算模型,计算基于相似邻居集的可信邻居集.通过两次邻居选择策略为目标用户产生药品推荐.仿真结果表明,该算法与其他算法相比在平均绝对误差、准确率和召回率上有更好的性能,提高了系统推荐精度.