协同过滤算法中一种改进相似度度量的方法

• 作者: 连自建
• 来源期刊: 理论数学
• 学科: 工学
• 关键词: 推荐系统 协同过滤 机器学习 K近邻 相似度
• 年，卷（期）: 2020,（5）
• 页码范围: 404-413
• 页数: 10页
• 分类号: TP3

摘要

信息时代,互联网上的信息量巨大,数据信息给我们的生活带来许多便利的同时,也带来了信息超载问题。协同过滤算法应运而生,作为成功的个性化推荐技术,得到了广泛的应用。它分析用户的行为,通过收集与用户兴趣一致的其他用户的评价信息来产生推荐。然而,传统的推荐算法存在数据稀疏时相似度计算不准确,以及冷启动、可扩展性问题,影响了推荐系统的应用和推广。本文研究了协同过滤推荐技术的基本原理及实现步骤,提出了一种改进的相似度度量方法,可以在不进行复杂计算的情况下,通过提高数据的使用率来很好地提高推荐的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	连自建	上海大学理学院数学系	1	0	0.0	0.0