一种改进的基于兴趣相似度推荐算法

• 作者: 柯翔敏 罗光华 陈江
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 推荐算法 协同过滤 相似度 兴趣分配 逆流行度 共同兴趣项
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 78-84
• 页数: 7页
• 分类号: TP18
• 字数: 5936字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054596

摘要

协同过滤推荐算法通过对用户行为进行相似度计算来实现目标推荐,但传统协同过滤算法的相似度计算存在一定的失真性.针对该问题,依据越不流行的物品兴趣分配权重越大的思想,提出逆流行度与共同兴趣项的概念,并设计一种相似度计算方法.在相似度计算时降低流行度高的物品的权重,从而减小热门物品对用户个性化的影响,同时提高共同兴趣数量对相似度影响的权重.在此基础上,建立一种新的推荐模型从而为目标用户推荐相似度最高的用户集.在数据集MovieLens上的实验结果表明,该相似度计算方法能够取得较好的推荐效果,其精确率、召回率及F1值优于Cosin、Pearson和Corrcosin方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈江	华侨大学网络与教育技术中心	13	25	3.0	4.0
2	罗光华	华侨大学网络与教育技术中心	4	2	1.0	1.0
3	柯翔敏	华侨大学网络与教育技术中心	12	20	2.0	4.0