| 基于改进相似度的协同过滤算法研究 |
| |
| 引用本文： | 李容,李明奇,郭文强.基于改进相似度的协同过滤算法研究[J].计算机科学,2016,43(12):206-208, 240. |
| |
| 作者姓名： | 李容 李明奇 郭文强 |
| |
| 作者单位： | 电子科技大学数学科学学院 成都611731,电子科技大学数学科学学院 成都611731,新疆财经大学计算机科学与工程学院 乌鲁木齐830012 |
| |
| 基金项目： | 本文受国家自然科学基金(61163066)资助 |
| |
| 摘 要： | 协同过滤利用邻居用户的偏好对目标用户的偏好进行推荐预测,相似度计算是其关键。传统的相似度计算忽略了用户共同评分项目数与用户平均评分的影响,以至于在数据稀疏时不能很好地度量用户间的相似度。提出了两个修正因子来改进传统相似度,同时改进了协同过滤算法,将其应用于电影推荐。仿真结果表明,在电影推荐中,基于改进后相似度计算的协同过滤算法能取得比传统算法更低的MAE值,提高了电影推荐质量。
|
| 关 键 词： | 协同过滤 Pearson相似度 共同评分项目 电影推荐 |
| 收稿时间： | 2015/10/13 0:00:00 |
| 修稿时间： | 2016/1/25 0:00:00 |
Research on Collaborative Filtering Algorithm with Improved Similarity |
| |
| LI Rong,LI Ming-qi and GUO Wen-qiang.Research on Collaborative Filtering Algorithm with Improved Similarity[J].Computer Science,2016,43(12):206-208, 240. |
| |
| Authors: | LI Rong LI Ming-qi and GUO Wen-qiang |
| |
| Affiliation: | School of Mathematical Sciences,University of Electronic Science and Technology of China,Chengdu 611731,China,School of Mathematical Sciences,University of Electronic Science and Technology of China,Chengdu 611731,China and School of Computer Science and Engineering,Xinjiang University of Finance & Economics,Urumqi 830012,China |
| |
| Abstract: | |
| |
| Keywords: | Collaborative filtering Pearson similarity Co-rated item Movie recommendation |
|
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
