基于多分段改进PCC的协同过滤算法

• 作者: 叶刚 张沪寅 段维
• 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 相似度 分段
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 116-120
• 页数: 5页
• 分类号: TP391
• 字数: 3832字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0157

摘要

随着互联网的快速发展,大量各式各样的信息呈爆发式增长,导致了信息过载.如今,推荐系统可以通过分析大量的可用信息帮助用户找到他们感兴趣的对象.其中,协同过滤算法是推荐系统中使用得最广泛的推荐算法.但是,协同过滤推荐算法在推荐的准确度上还有待改进.提出了一种基于多分段改进PCC的协同过滤推荐算法,用于提高推荐系统的准确度.提出的方法将根据用户公共项目数和PCC阈值,对PCC算法进行分段计算并改进结果.最后的实验结果表明,该方法的推荐效果要优于其他传统的推荐方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶刚	武汉大学计算机学院	15	122	6.0	10.0
2	张沪寅	武汉大学计算机学院	61	517	12.0	20.0
3	段维	武汉大学计算机学院	1	3	1.0	1.0