基于MMTD和兴趣偏向系数的协同过滤推荐算法

• 作者: 周宁宁 陆荣
• 来源期刊: 计算机应用研究
• 关键词: 协同过滤 用户评分 用户相似度 中介真值程度度量 兴趣偏向系数
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2600-2603
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.05.0108

摘要

针对传统基于用户的协同过滤推荐算法存在的相似性度量不准确和缺乏对用户评分合理应用的问题,提出了一种结合中介真值程度度量(MMTD)和兴趣偏向系数的推荐算法.该方法首先采用MMTD度量用户评分的相似性;然后利用用户评分相似性改进余弦相似性公式和Jaccard公式,得到新的基于MMTD的用户相似性度量方法;最后结合兴趣偏向系数输出推荐结果.在MovieLens-100k数据集上的实验结果表明,该方法可以在一定程度上提高用户间相似性度量的准确性,提高推荐结果的准确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周宁宁		37	398	11.0	18.0
2	陆荣		1	0	0.0	0.0