基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对用户共同评分很少甚至没有时,传统相似度计算性能较差的问题,以及传统加权slope one算法在进行预测评分时未考虑项目相似度对预测结果的影响,提出一种融合巴氏系数的加权slope one算法(BCWSOA).该算法主要针对上述两个问题进行改进,一是利用巴氏系数对用户相似度进行改进.首先用皮尔逊相关系数计算用户局部相似度,Jaccard相似性计算用户全局相似度,巴氏系数分析用户相关性,然后将巴氏系数作为权重因子优化用户局部相似度,最后使用参数α组合优化用户局部相似度和用户全局相似度,从而获得融合相似度.参数α用来凸显不同相似度在融合相似度中的权重;二是利用巴氏系数改进预测评分,考虑项目相似度对预测结果的影响,计算项目相似度并将其作为权重改进加权slope one算法预测评分公式.通过在MovieLens100k数据集上的实验表明,相比于其他算法,提出的BCWSOA算法准确度有所提高.
推荐文章
融合改进加权Slope One的协同过滤算法
加权Slope One
项目相似度
协同过滤
矩阵填充
数据稀疏性
基于耦合关系的加权Slope One算法
协同过滤
Slope One算法
项目耦合相似度
用户耦合相似度
基于用户相似性的加权Slope One算法
个性化推荐系统
Slope One
相似性
用户活跃度
评分预测
基于加权二部图的Slope One推荐算法
推荐系统
Slope One
加权二部图
5-折交叉验证
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 融合巴氏系数的加权Slope One算法
来源期刊 计算机技术与发展 学科 工学
关键词 巴氏系数 加权slope one算法 相似度 BCWSOA 评分预测
年,卷(期) 2020,(11) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 74-79
页数 6页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1673-629X.2020.11.014
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 舒远仲 56 298 10.0 16.0
2 刘金梅 3 0 0.0 0.0
3 张尚田 3 0 0.0 0.0
4 刘文祥 2 0 0.0 0.0
5 唐小敏 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (99)
共引文献  (43)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(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)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(10)
  • 参考文献(1)
  • 二级参考文献(9)
2015(14)
  • 参考文献(1)
  • 二级参考文献(13)
2016(11)
  • 参考文献(0)
  • 二级参考文献(11)
2017(19)
  • 参考文献(5)
  • 二级参考文献(14)
2018(8)
  • 参考文献(1)
  • 二级参考文献(7)
2019(5)
  • 参考文献(4)
  • 二级参考文献(1)
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
巴氏系数
加权slope one算法
相似度
BCWSOA
评分预测
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导