用余弦相似度修正评分的协同过滤推荐算法

• 作者: 张瑞典 钱晓东
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 不合理评分 变维相似度 合理相似度均值 修正评分 协同过滤推荐
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1096-1105
• 页数: 10页
• 分类号: TP393
• 字数: 7508字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.06.018

摘要

在用户对项目进行评分的时候,有时会出现不合理因素导致用户对项目做出不合理评分,使得推荐过程出现偏差.为修正这一偏差,采用评分矩阵的多种维度进行相似度比较以修正不合理评分,再用修正后的评分进行协同过滤推荐.而在采用变维度评分矩阵进行相似度对比时,主要利用同一用户对相似项目评分的相近性,对比2个用户对多个相似项目评分数组在不同维度下的余弦相似度.首先将多个评分构建成等维度的几个数组,对比2个用户的各个评分数组相似度,当某个相似度与其它相似度差别较大时,认为该相似度对应的2个用户的数组中至少有1个包含不合理评分;然后将2个数组按同样的方式均分为维度更低的数组,以此类推,最终确定不合理评分;最后以所有合理评分数组对应的相似度均值作为不合理评分数组对应的相似度,从而修正不合理评分.利用MovieLens和Bookcrossing数据库进行实验,结果表明:带修正评分的协同过滤算法相比未修正前的评分具有更高的推荐精度,其推荐评分MA E明显下降,本文算法相比对照算法获得了更优的MAE,Precision和Coverage.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱晓东	兰州交通大学经济管理学院	40	178	7.0	11.0
2	张瑞典	兰州交通大学经济管理学院	2	0	0.0	0.0