基于信息熵和改进相似度协同过滤算法

• 作者: 黄皓 陈荔
• 来源期刊: 计算机与现代化
• 关键词: 协同过滤算法 信息熵 相似度
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 算法设计与分析|DESIGN AND ANALYSIS OF ALGORITHM
• 页码范围: 29-34,40
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.06.006

摘要

为了减少协同过滤算法存在的噪音数据以及数据稀疏性问题,提高算法准确性,本文提出一种基于信息熵和改进相似度的协同过滤算法,使用用户信息熵模型来判断噪音数据,排除噪音数据对实验结果的干扰;使用面向稀疏数据的改进相似度计算方法,使用全部评分数据而不是依靠共同的评分项来计算,对缓解稀疏数据对推荐结果的精确性影响有很大帮助.实验结果表明,该算法能在一定程度上排除噪音数据对结果的影响,缓解数据稀疏对推荐结果精确性的干扰,提高该推荐算法的精确性,且缓解了传统推荐系统算法中常见的一些问题,与传统的协同过滤算法相比,该算法的精确性更高.