关键权重自适应填充的协同过滤推荐算法研究

• 作者: 夏竹青 王竹婷
• 来源期刊: 合肥学院学报（综合版）
• 学科: 工学
• 关键词: 协同过滤 个性化推荐 自适应
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机与电子
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP301.6
• 字数: 5670字
• 语种: 中文

摘要

协同过滤算法作为一种高效、快速的推荐算法在推荐系统中受到了最为广泛的应用,但随着在线用户和商品数量的激增,传统的协同过滤算法已难以满足实际应用的需求.针对数据稀疏性和新用户的冷启动问题,设计了一种新的基于关键权重的自适应填充算法,有效发掘用户潜在兴趣维度并进行关键填充,通过在MoiveLens数据集上的实验仿真结果表明,改进后的算法可以显著提高推荐结果的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王竹婷	合肥学院人工智能与大数据学院	25	24	2.0	3.0
2	夏竹青	合肥学院人工智能与大数据学院	12	6	2.0	2.0