基于贝叶斯理论的协同过滤推荐算法

被引：11

作者：

孟宪福

陈莉

机构：

[1] 大连理工大学电子与信息工程学院

来源：

关键词：

贝叶斯理论; 用户喜好度; 协同过滤; 项目特征; 相似度度量;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

考虑到在协同过滤算法中邻居集合的有效性是影响推荐质量的重要因素,提出了基于贝叶斯理论的协同过滤推荐方法,该方法利用贝叶斯理论分析用户对项目特征值的喜好度。在计算相似度时,考虑用户喜好度,在此基础上计算目标项目的最近邻居。实验结果表明该算法可以提高推荐系统的推荐质量。

引用

页码：2733 / 2735

页数：3

共 5 条

[1] 基于信任因子的协同过滤推荐算法 [J].

郭艳红 ;

邓贵仕 ;

雒春雨 .

[2] 适应用户兴趣变化的协同过滤推荐算法 [J].

邢春晓 ;

高凤荣 ;

战思南 ;

周立柱 .

[3] 基于项目聚类的协同过滤推荐算法 [J].

邓爱林 ;

左子叶 ;

朱扬勇 .

[4] 基于项目评分预测的协同过滤推荐算法 [J].

邓爱林 ;

朱扬勇 ;

施伯乐 .

David Maxwell Chickering ;

David Heckerman .

Machine Learning, 1997, 29 :181-212