基于标签的协同过滤推荐方法研究

• 作者: 齐晶 刘瀛 刘艳霞 胡美振 乐海丰
• 来源期刊: 北京联合大学学报（自然科学版）
• 关键词: 协同过滤 标签类别相似度 个性化推荐 惩罚系数 杰卡德系数
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 应用技术
• 页码范围: 47-52
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.16255/j.cnki.ldxbz.2021.02.008

摘要

传统基于物品的协同过滤算法由于物品相似度矩阵稀疏,推荐准确率不高.针对这一问题,提出一种基于标签和改进杰卡德系数的协同过滤算法,进行电视节目个性化推荐.首先,爬取相关信息对原始数据进行扩充,并利用统计学方法对时间特征进行归一化处理,计算用户偏好系数;然后,统计出现次数较高的类别作为推荐类别标签,并利用改进的杰卡德系数构造标签相似度矩阵;最后,根据推荐类别标签的用户偏好系数计算节目的推荐系数.实验结果表明,基于标签的协同过滤算法可以降低稀疏矩阵对推荐准确率的影响,相比基于物品的协同过滤算法,准确率提高了5％,召回率提高了3.1％.另外,使用改进的杰卡德系数计算相似度,减少了热门标签对推荐系统的影响,进一步将准确率提高了5％,召回率提高了2.3％.