首页 | 本学科首页   官方微博 | 高级检索  
     

稀疏数据集协同过滤算法的进一步研究
引用本文:罗琦,缪昕杰,魏倩.稀疏数据集协同过滤算法的进一步研究[J].计算机科学,2014,41(6):264-268.
作者姓名:罗琦  缪昕杰  魏倩
作者单位:南京信息工程大学信息与控制学院 南京210044;南京信息工程大学信息与控制学院 南京210044;南京信息工程大学信息与控制学院 南京210044
摘    要:协同过滤算法是电子商务和信息系统中非常重要的一门技术。其中用户相似度度量方法的科学性至关重要。为了获得更好的精度,采用用户间共同评分数目来动态调节原相似度,以更准确地反映用户间相似度的真实性。在此基础上,根据社会网络中FTL模型(follow the leader)的思想,对新用户或找不到最近邻的用户采用基于专家信任度的预测算法代替传统相似度来预测用户的评分,弥补了传统算法的不足。实验表明,算法提高了预测评分的准确性和推荐质量,并缓解了新用户的冷启动问题。

关 键 词:协同过滤  推荐算法  相似度  冷启动
收稿时间:2013/7/19 0:00:00
修稿时间:1/6/2014 12:00:00 AM

Further Research on Collaborative Filtering Algorithm for Sparse Data
LUO Qi,MIAO Xin-jie and WEI Qian.Further Research on Collaborative Filtering Algorithm for Sparse Data[J].Computer Science,2014,41(6):264-268.
Authors:LUO Qi  MIAO Xin-jie and WEI Qian
Affiliation:College of Information and Control,Nanjing University of Information Science & Technology,Nanjing 210044,China;College of Information and Control,Nanjing University of Information Science & Technology,Nanjing 210044,China;College of Information and Control,Nanjing University of Information Science & Technology,Nanjing 210044,China
Abstract:
Keywords:Collaborative filtering  Recommendation algorithm  Similarity  Cold start
本文献已被 CNKI 等数据库收录!
点击此处可从《计算机科学》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号