基于双因子混合加权相似度的协同过滤推荐算法

• 作者: 刘镇镇 吴正江 王留芳 魏蓝
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 推荐算法 协同过滤 阈值 双因子sigmoid函数 权重 用户属性
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机·人工智能·大数据
• 页码范围: 133-138
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文

摘要

针对在数据稀疏和冷启动情况下,使用协同过滤推荐算法中传统相似度算法产生相似度不准确的问题,本文将传统相似算法中修正余弦相似度算法与基于用户属性的相似度算法加权混合,引入双因子作为权重,双因子用sigmoid函数定义,以阈值与读者借阅量的差值为变量,当读者借阅量大于(小于)阈值时,数据不稀疏(稀疏),修正余弦相似度算法权重自动增加(降低),基于用户属性相似度算法的权重自动降低(增加).这种自动调整2种相似度算法权重的方法,既考虑了传统相似算法的优点,又避免其缺点.通过实验证明,改进后的算法提高了相似度计算的准确性,提高了推荐精度,在一定程度上解决了数据稀疏和冷启动下产生的相似度不准确问题.