融合用户对项目和属性偏好的协同过滤算法 |
| |
引用本文: | 王云超,刘臻.融合用户对项目和属性偏好的协同过滤算法[J].计算机科学,2018,45(Z11):412-416. |
| |
作者姓名: | 王云超 刘臻 |
| |
作者单位: | 北京师范大学教育学部 北京100875,北京师范大学教育学部 北京100875 |
| |
基金项目: | 本文受国家863科技支撑计划项目(2012AA12AA407),赛尔网络下一代互联网技术创新项目(NGII20170628)资助 |
| |
摘 要: | 协同过滤推荐算法是目前推荐系统领域中十分常用的方法。余弦相似度和Pearson相关系数是目前协同过滤推荐算法中计算相似度的两种常用算法。为提高协同过滤推荐算法的准确性,对相似度计算问题进行了研究,针对目前常用的余弦相似度和Pearson相关系数这两种相似度计算方法的不足,通过设计和引入调节因子,分别考虑用户在评分习惯和项目选择上的差异性,以对这两种传统的相似度算法进行优化和改进。另外,考虑到用户的偏好往往与项目所具有的属性有关,设计了衡量用户对属性偏好的参数,通过加权的方式将其与改进后的相似度算法进行融合,提出了一种融合用户评分习惯、项目选择差异及属性偏好的协同过滤推荐算法。在MovieLens数据集上进行的实验表明, 相比于传统算法,提出的改进算法更为精确,平均绝对误差和均方根误差得到了明显的降低。
|
关 键 词: | 推荐系统 协同过滤 用户相似度 属性偏好 调节因子 |
|
| 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 |
|