融合用户兴趣的协同过滤算法

• 作者: 赵佳旭 陈志德 饶绪黎
• 来源期刊: 福建电脑
• 学科: 工学
• 关键词: 协同过滤 个性化推荐 用户兴趣资料 相似性衡量
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 论著
• 页码范围: 6-9
• 页数: 4页
• 分类号: TP31
• 字数: 3232字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2019.09.002

摘要

传统的协同过滤算法存在三个问题:一是推荐初始阶段的冷启动问题;二是评分矩阵的数据稀疏问题;三是近考虑评分导致的相似度衡量不准确问题.三个问题导致用户相似性衡量准确性降低,最终导致推荐精准度的下降.本文考虑将网站或应用中挖掘到的用户兴趣,融入到协同过滤的用户相似性计算中.一方面可以解决协同过滤中的数据稀疏和冷启动的问题,另一方面也可以提高预测推荐的精准性.因此,本文提出了融合用户兴趣的协同过滤算法CFUI.CFUI改进了协同过滤算法中用户相似度的评估方法,在其中加入用户间兴趣的相似度.本文进行了融合参数 μ 最优取值的实验,随后通过实验证实了融合用户兴趣的算法CFUI比未融合用户兴趣的两个算法(UserCF和ItemCF)能够取得更小的推荐MAE,即CFUI的推荐效果更精确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志德	福建师范大学数学与信息学院	39	98	6.0	7.0
2	饶绪黎	福州职业技术学院信息技术工程系	21	72	4.0	7.0
3	赵佳旭	福州职业技术学院信息技术工程系	4	6	1.0	2.0