基于用户相似性传递的协同过滤推荐方法

• 作者: 李征 段垒 王亚鲁
• 来源期刊: 河南大学学报（自然科学版）
• 学科: 工学
• 关键词: 协同过滤 服务推荐 数据稀疏 用户相似性
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 61-68
• 页数: 8页
• 分类号: TP311
• 语种: 中文

摘要

随着Web服务量日益剧增,如何推荐给用户符合其期望的服务尤为重要.协同过滤是服务推荐系统中应用较广泛的算法,但协同过滤往往存在数据稀疏问题.针对该问题,文中提出了一种基于用户相似性传递的协同过滤推荐算法,通过改进的皮尔逊相关系数计算出用户间的相似性,利用用户相似性构建相似性网络,并根据用户等级、最短路径和六度分隔理论进行用户间的相似性传递,以此增加目标用户的相似用户的数量,缓解了数据稀疏问题,然后根据传递填充过的用户相似网络进行服务的评分预测.最后以美团网的真实数据进行了实验,实验结果表明文中提出方法一定程度上可以提高推荐结果的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李征		17	41	4.0	5.0
2	段垒		2	2	1.0	1.0
3	王亚鲁		1	0	0.0	0.0