基于专家信任的协同过滤推荐算法改进研究

• 作者: 刘国丽 廉孟杰 张斌 白晓霞
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 协同过滤推荐 专家信任 相似度 推荐精度
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1846-1853
• 页数: 8页
• 分类号: TP391.1
• 字数: 8469字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.10.018

摘要

针对目前协同过滤推荐算法存在的冷启动、数据稀疏、可扩展性不高以及未考虑到不同社区簇之间可能存在相关性导致的推荐准确度低的问题,提出了一种在考虑同社区簇内专家信任基础上结合不同社区簇专家信任的推荐算法.在改进相似度计算时,改进算法不仅结合了Jaccard相关系数、用户的平均评分因子以及加权处理的Pearson相关系数,还结合了用来惩罚热门物品权重的流行度.在改进评分预测时,改进算法在引入了传统聚类推荐算法中的同社区簇专家信任后,还引入了不同社区簇专家信任.实验在MovieLens数据集上进行,实验结果表明,改进算法不仅缓解了冷启动和数据稀疏等问题,还显著提高了推荐准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张斌	河北工业大学人工智能与数据科学学院	8	11	2.0	3.0
2	刘国丽	河北工业大学人工智能与数据科学学院	20	113	6.0	10.0
3	白晓霞	河北工业大学人工智能与数据科学学院	4	4	1.0	2.0
4	廉孟杰	河北工业大学人工智能与数据科学学院	1	1	1.0	1.0