融合协同过滤和XG Boost的推荐算法

• 作者: 崔岩 庞海龙 祁伟 赵辉
• 来源期刊: 计算机应用研究
• 关键词: XGBoost 协同过滤 准确性 推荐系统
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 62-65
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0463

摘要

协同过滤在数据处理中存在数据稀疏问题,影响推荐算法的准确性.提出融合协同过滤和XGBoost的推荐算法,根据用户对项目的评价以及项目本身所具备的自身特点,挖掘项目和用户的潜在关系,提高算法的推荐准确性.采用百度深度学习框架PaddlePaddle在Book-Crossings数据集上进行实验,实验结果表明,提出的算法和文献中两种算法相比,准确性有显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵辉	长春工业大学计算机科学与工程学院	38	168	7.0	12.0
2	庞海龙	长春工业大学计算机科学与工程学院	4	12	2.0	3.0
3	崔岩	长春工业大学计算机科学与工程学院	5	16	3.0	4.0
4	祁伟	长春工业大学计算机科学与工程学院	6	13	2.0	3.0