基于相似度优化和流形学习的协同过滤算法改进研究

• 作者: 吴晟 宋月亭
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 协同过滤算法 相似度 聚类 流形学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 351-357
• 页数: 7页
• 分类号: TP391
• 字数: 5126字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.02.021

摘要

协同过滤算法中存在着数据稀疏性和可扩展性问题,由于用户和项目数据量巨大致使数据十分稀疏,且不同数据集中数据存在差异,致使现有算法中的相似度计算不够准确和用户聚类效果不佳,对推荐算法准确率产生了显著影响.为了提高相似度计算和最近邻居搜索的准确率,提出了一种基于相似度优化和流形学习的协同过滤算法.通过加权因子优化相似度计算,结合流形学习对稀疏的用户评分数降维后进行谱聚类,通过获得的全局最优解提高聚类所得目标用户最近邻居的准确率,进而提高协同过滤推荐精度.在Epinions数据集和MovieLens数据集上进行实验,结果表明,提出的算法可以有效降低协同过滤算法的平均绝对误差和均方根误差,提高召回率,拥有更高的推荐准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴晟	昆明理工大学信息工程与自动化学院	87	334	10.0	15.0
2	宋月亭	昆明理工大学信息工程与自动化学院	3	0	0.0	0.0