一种基于用户和物品相似度的融合协同过滤推荐算法

• 作者: 罗可 邓亚文
• 来源期刊: 电脑与信息技术
• 学科: 工学
• 关键词: 基于用户 相似度计算 基于物品 协同过滤 稀疏性问题
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 6-10,33
• 页数: 6页
• 分类号: TP301
• 字数: 4556字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-1228.2019.01.002

摘要

在协同过滤算法中,准确地找到相似用户是关键.稀疏数据问题常导致推荐性能低下,且推荐结果大都大量存在热门物品.文章基于物品(User-IIF)和用户(Item-IUF)的热门惩罚后的相似度计算方法,定义稀疏度的计算方式,并进行稀疏度加权来改善稀疏性问题,分别提出了两种融合后的协同过滤算法.改进后的两种融合算法更有效地利用了用户信息,提高了算法对降低热门物品干扰的效果,增加了推荐系统发现长尾物品的能力.实验采用MovieLens公开数据集,进行多次实验,实验结果表明改进后的两种融合算法在推荐结果的准确率和覆盖率上有显著提升,表明融合后的推荐算法在寻找相似用户或物品时表现得更高效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗可	长沙理工大学计算机与通信工程学院	92	1085	16.0	28.0
5	邓亚文	长沙理工大学计算机与通信工程学院	1	1	1.0	1.0