结合CFDP与时间因子的协同过滤推荐算法

• 作者: 周志平 张凯辉 赵卫东
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤推荐算法 CFDP算法 时间因子 平均绝对偏差
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 80-85
• 页数: 6页
• 分类号: TP311
• 字数: 5348字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1908-0178

摘要

在这个网络数据呈现爆炸式增长的时代,如何利用用户行为数据,对每位目标用户进行精准的项目推荐是一个极有价值的研究方向.协同过滤推荐算法作为最常见的推荐算法之一,如何对传统的协同过滤算法进行优化,便是该文的研究内容.针对传统协同过滤算法存在的数据稀疏、冷启动以及实时性问题.采用CFDP算法对项目集合进行聚类,并对采用Slope-One算法进行数据填充,有效地缓解了数据稀疏以及冷启动的问题.针对传统算法的实时性问题,引入了时间因子,对每一项预测评分都乘以时间权重,使得预测评分更加科学准确,解决了推荐系统的实时性问题.采用MovieLens 1M数据集分别对传统协同过滤算法以及改进协同过滤算法进行对比实验,得出新算法的平均绝对偏差MAE要小于传统的协同过滤推荐算法,表明改进算法有效地优化了传统算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵卫东	同济大学电子信息与工程学院	71	366	11.0	15.0
2	周志平	同济大学电子信息与工程学院	8	7	2.0	2.0
3	张凯辉	同济大学电子信息与工程学院	1	0	0.0	0.0