融合用户对项目和属性偏好的协同过滤算法

• 作者: 刘臻 王云超
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐系统 协同过滤 用户相似度 属性偏好 调节因子
• 年，卷（期）: 2018,（z2）
• 所属期刊栏目: 大数据与数据挖掘
• 页码范围: 412-416
• 页数: 5页
• 分类号: TP391
• 字数: 4789字
• 语种: 中文

摘要

协同过滤推荐算法是目前推荐系统领域中十分常用的方法.余弦相似度和Pearson相关系数是目前协同过滤推荐算法中计算相似度的两种常用算法.为提高协同过滤推荐算法的准确性,对相似度计算问题进行了研究,针对目前常用的余弦相似度和Pearson相关系数这两种相似度计算方法的不足,通过设计和引入调节因子,分别考虑用户在评分习惯和项目选择上的差异性,以对这两种传统的相似度算法进行优化和改进.另外,考虑到用户的偏好往往与项目所具有的属性有关,设计了衡量用户对属性偏好的参数,通过加权的方式将其与改进后的相似度算法进行融合,提出了一种融合用户评分习惯、项目选择差异及属性偏好的协同过滤推荐算法.在MovieLens数据集上进行的实验表明,相比于传统算法,提出的改进算法更为精确,平均绝对误差和均方根误差得到了明显的降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘臻	北京师范大学教育学部	42	270	8.0	15.0
2	王云超	北京师范大学教育学部	8	37	4.0	6.0