协同过滤推荐中一种改进的信息核提取方法

• 作者: 张文静 李锦屏 杨军
• 来源期刊: 计算机应用研究
• 关键词: 推荐系统 协同过滤 信息核
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 140-143
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0450

摘要

针对协同过滤推荐算法中存在的可扩展性问题,在原有基于频率(frequency-based,FB)和排名(rank-based,RB)的信息核提取方法的基础上,提出了改进的提取信息核方法IFB(IFrequency-based)和IRB(IRank-based,IRB),在寻找最相似邻居环节中提出了一个优化集的概念,在优化集上为每个用户寻找最相似的邻居.从实验结果看出,通过该方法能够得到更加准确的推荐结果,有效降低了绝对平均误差(MAE),同时具有更高的准确率和召回率,推荐效果更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军	兰州交通大学电子与信息工程学院	71	349	10.0	15.0
2	李锦屏	兰州交通大学电子与信息工程学院	20	32	3.0	5.0
3	张文静	兰州交通大学电子与信息工程学院	1	0	0.0	0.0