基于评分预测的协同过滤推荐算法

被引：8

作者：

周海平 ^{[1
,2
]}

黄凑英 ^{[3
]}

刘妮 ^{[2
]}

周洪波 ^{[2
]}

机构：

[1] 绍兴文理学院计算机科学与工程系

[2] 贵阳学院数学与信息科学学院

[3] 湖南大学信息科学与工程学院

来源：

数据采集与处理 | 2016年 / 31卷 / 06期

关键词：

推荐系统; 协同过滤; 相似性; 召回率; 准确率;

D O I：

10.16337/j.1004-9037.2016.06.021

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

传统的基于评分预测的协同过滤算法在计算用户之间相似性时只针对用户共同评过分的物品计算评分差异,然而由于不同用户共同评分的物品数目不同,使得计算标准不统一,从而导致推荐质量不理想。本文在传统算法的基础上进行改进,新算法在计算相似性的时候一方面考虑了用户共同评分的物品数,另一方面还考虑了物品的热门程度对用户相似性计算的影响。实验结果表明,新算法在推荐准确率和召回率上都比传统算法提高了1倍以上。研究还发现在算法中使用Pearson相关系数明显好于使用欧氏距离作相似性度量标准得到的推荐效果。

引用

页码：1234 / 1241

页数：8

共 9 条

[1] 一种潜在信息约束的非负矩阵分解方法 [J].

高新波 ;

王笛 ;

王秀美 .

数据采集与处理, 2014, 29 (01) :11-18

[2] 互联网推荐系统比较研究 [J].

许海玲 ;

吴潇 ;

李晓东 ;

阎保平 .

软件学报, 2009, 20 (02) :350-362

[3]

Effect of the social influence on topological properties of user-object bipartite networks[J] . Jian-Guo Liu,Zhaolong Hu,Qiang Guo.The European Physical Journal B . 2013 (11)

[4]

Predicting missing links via local information[J] . Tao Zhou,Linyuan Lü,Yi-Cheng Zhang.The European Physical Journal B . 2009 (4)

[5] Trust in consumer-to-consumer electronic commerce [J].

Jones, Kiku ;

Leonard, Lori N. K. .

INFORMATION & MANAGEMENT, 2008, 45 (02) :88-95

[6]

Representation, similarity measures and aggregation methods using fuzzy sets for content-based recommender systems[J] . Azene Zenebe,Anthony F. Norcio.Fuzzy Sets and Systems . 2008 (1)

[7]

E-Commerce Recommendation Applications[J] . J. Ben Schafer,Joseph A. Konstan,John Riedl.Data mining and knowledge discovery . 2001 (1-2)

[8] Recommender systems [J].

Resnick, P ;

Varian, HR .

COMMUNICATIONS OF THE ACM, 1997, 40 (03) :56-58

[9] USING COLLABORATIVE FILTERING TO WEAVE AN INFORMATION TAPESTRY [J].

GOLDBERG, D ;

NICHOLS, D ;

OKI, BM ;

TERRY, D .

COMMUNICATIONS OF THE ACM, 1992, 35 (12) :61-70

← 1 →