基于用户偏好度的双极协同过滤推荐算法

• 作者: 岳丽华 张怡文 杨安桔 王冉 计成睿
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 用户偏好度 双极协同过滤 推荐算法 双极特征向量 加权计算 相似度
• 年，卷（期）: 2020,（3）
• 页码范围: 313-319
• 页数: 7页
• 分类号: TP393
• 字数: 5088字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.03.008

摘要

为了解决目前推荐方法中用户相似度计算不准确、推荐准确率较低的问题,建立一种基于用户偏好度的双极协同过滤推荐算法.计算用户间共同项目数量,当共同项目数量小于设定阈值时,选择用户、项目、项目属性特征构建用户对项目、属性的双极特征向量,表示用户的喜欢程度和讨厌程度.通过对双极特征向量进行加权计算,得到用户间相似度.在标准的MovieLens数据集上验证该算法.实验结果表明,该文算法的平均绝对误差(MAE)和均方根误差(RMSE)较其他算法降低了约9％,平均分值排名(R)降低了约10％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳丽华	中国科学技术大学计算机科学与技术学院	98	866	15.0	24.0
2	张怡文	安徽新华学院信息工程学院	33	77	4.0	8.0
3	杨安桔	安徽新华学院信息工程学院	3	1	1.0	1.0
4	计成睿	安徽新华学院信息工程学院	2	0	0.0	0.0