基于惩罚因子的协同过滤算法的改进与研究

• 作者: 徐立民 李涵
• 来源期刊: 物联网技术
• 关键词: 推荐系统 协同过滤算法 余弦相似度 热门物品 惩罚因子 近邻集合
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 73-75
• 页数: 3页
• 分类号: TP301
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2019.10.022

摘要

当今时代,信息量呈爆炸式增长,推荐系统是处理海量信息的一种有效方式,也是一种无需用户提出明确需求就可帮助用户快速发现有用信息的工具.在推荐系统中,协同过滤算法有着重要应用.传统协同过滤算法通常使用余弦相似度公式进行兴趣相似度计算,但是很多情况下热门物品会影响到推荐结果,并不能较好地反映用户需求.文中对传统协同过滤算法余弦相似度计算公式提出改进方案,给出一个带有惩罚因子的余弦相似度修正公式,可以较好地抑制热门物品对用户实际相似度的影响,改善用户近邻集合的划分,从而实现更好的推荐效果.经实验测试,推荐系统的性能指标得到了一定的改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李涵	北京信息科技大学理学院	27	51	5.0	6.0
2	徐立民	北京信息科技大学理学院	2	1	1.0	1.0