一种新型有向加权协同过滤算法的推荐技术研究?

• 作者: 姚江梅 彭康华 黄裕锋
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 协同过滤算法 有向加权相似度 网络资源 个性化推荐
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 算法与分析
• 页码范围: 115-121
• 页数: 7页
• 分类号: TP391
• 字数: 5561字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.01.027

摘要

在"互联网+"的大数据时代,要获得有价值的信息需耗费大量的时间与精力,网络资源个性化推荐技术有望解决这个问题.研究指出修正协同过滤算法的优点及不足,重点就重合因子的不足进行修正和改进,从而推荐一种新的基于有向重合因子的相似度修正方法.以四个不同稀疏度的数据集为样本进行实践论证,通过算法的分析对比得到结论,各数据集中DWSCF(有向加权相似度协同过滤算法)效率最高,其次为JSCF(Jaccard修正协同过滤算法)及WSCF(加权相似度协同过滤算法),最低的是CF(协同过滤算法),大量样本数据验证了创新的基于有向加权相似度协同过滤改进算法是有效和可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭康华	广东工程职业技术学院信息工程学院	25	43	3.0	6.0
2	姚江梅	广东工程职业技术学院信息工程学院	15	34	4.0	5.0
3	黄裕锋	广东工程职业技术学院信息工程学院	9	16	2.0	3.0