加入惩罚因子的电商平台协同过滤推荐算法

• 作者: 崔国琪 李林
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 推荐算法 协同过滤 惩罚因子 长尾效应 电商
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机软件与理论
• 页码范围: 103-107
• 页数: 5页
• 分类号: TP312
• 字数: 3766字
• 语种: 中文
• DOI: 10.11907/rjdk.192435

摘要

为提高推荐算法挖掘数据长尾信息的能力,降低推荐结果流行度,使推荐结果更多样,在传统协同过滤推荐算法基础上,分别将热门项目与活跃用户的惩罚因子引入相似性计算中,依据准确度、覆盖率、流行度等评价标准,在上海某电商平台销售数据集上进行比较,并通过多组实验验证不同参数对推荐算法的影响.结果显示,加入惩罚因子后基于用户的协同过滤推荐算法在N值取10、K值取3时,流行度为3.97,比传统方法降低了7.31％;加入惩罚因子后基于项目的协同过滤推荐算法在N值取10、K值取3时,准确率为7.65％,比传统方法提高了5.25％.由此证明加入惩罚因子的协同过滤推荐算法在保持算法准确率的同时,可在一定程度上降低推荐结果流行度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李林	上海理工大学管理学院	61	424	11.0	18.0
2	崔国琪	上海理工大学管理学院	1	0	0.0	0.0