原文服务方: 计算机应用研究       
摘要:
针对传统的协同过滤算法存在用户评分矩阵稀疏及未考虑项目属性之间关系的问题,提出了结合评分比例因子及项目属性的协同过滤算法.首先利用评分矩阵得出项目之间的共同与非共同评分用户数量比矩阵,以此增加项目共同评分用户的影响度,减少用户—项目评分矩阵的稀疏性对项目相似度计算带来的误差;然后对项目属性量化得出其对项目相似度的影响权重,提高项目相似度计算的准确性,根据以上两点提出了一种结合评分比例因子及项目属性权重作为项目相似度权重的算法.实验结果表明,该算法在召回率和准确率上相比现有的方法分别提高了5.1%和4.7%,适用于电商类网站的个性化推荐.
推荐文章
基于项目属性与数据权重的协同过滤推荐算法
推荐系统
协同过滤
项目属性
相似性
数据权重
基于评论与评分的协同过滤算法
协同过滤
数据稀疏性
评论分析
主题模型
用户偏好
基于项目聚类和评分的时间加权协同过滤算法
协同过滤
同等对待
项目聚类
时间加权
最近邻居
准确性
结合项目流行度加权的协同过滤推荐算法
协同过滤
相似性度量
流行度偏差
项目流行度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 结合评分比例因子及项目属性的协同过滤算法
来源期刊 计算机应用研究 学科
关键词 协同过滤 稀疏矩阵 评分比例因子 项目属性
年,卷(期) 2020,(3) 所属期刊栏目 算法研究探讨
研究方向 页码范围 680-683
页数 4页 分类号 TP301.6
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2018.08.0627
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邓小鸿 江西理工大学应用科学学院 40 169 8.0 11.0
2 李淑芝 江西理工大学信息工程学院 56 315 10.0 15.0
3 李志军 江西理工大学信息工程学院 3 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (55)
共引文献  (216)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1938(1)
  • 参考文献(0)
  • 二级参考文献(1)
1963(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(6)
  • 参考文献(4)
  • 二级参考文献(2)
2017(6)
  • 参考文献(6)
  • 二级参考文献(0)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
协同过滤
稀疏矩阵
评分比例因子
项目属性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导