一种面向协同过滤的快速最近邻居搜索方法

• 作者: 王永 赵旭辉 李晓光 肖玲
• 来源期刊: 计算机工程与应用
• 关键词: 最近邻居搜索 协同过滤 推荐算法 邻居利用率 线上推荐
• 年，卷（期）: 2021,（17）
• 所属期刊栏目: 大数据与云计算|Big Data and Cloud Computing
• 页码范围: 96-105
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008-0407

摘要

针对协同过滤模型中寻找邻居集耗时,且部分邻居信息未能有效用于预测计算的问题,提出了一种快速搜寻最近邻居的方法.该方法改变了评分矩阵中数据组织方式,通过构建项目的用户评分列表和用户的项目评分列表,以此来筛选出对预测评分值产生影响的用户或项目,进而得到目标用户或项目的邻居集.该方法排除了不必要的相似性计算,提高了运算效率;而且还有效保证了预测计算中的邻居利用率,提高了推荐质量.在Movielens100k与Movielens1M两个数据集上的实验结果表明,所提出算法在运行时间、MAE、RMSE、F1值四个指标上均有较大提升.因此该算法在推荐系统领域具有良好的应用价值.