文献类型：期刊文章

作　　者：张锋[1] 常会友[1]

机构地区：[1]中山大学信息科学与技术学院,广州510275

出　　处：《计算机研究与发展》

基　　金：广东省自然科学基金重点项目(05100302)

年　　份：2006

卷　　号：43

期　　号：4

起止页码：667-672

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：推荐质量低是协同过滤推荐技术面临的主要难题之一.数据集的极端稀疏是造成推荐质量低的主要原因之一.常见的降维法和智能Agent法虽然某种程度上能缓解这个问题,但会导致信息损失和适应性等问题.设计了一个新的协同过滤算法,根据用户评分向量交集大小选择候选最近邻居集,采用BP神经网络预测用户对项的评分,减小候选最近邻数据集的稀疏性.该算法避免了降维法和智能Agent法的缺点,而且实验结果表明,该方法能提高预测值的准确度,从而提高协同过滤推荐系统的推荐质量.

关 键 词：电子商务 数据挖掘 推荐系统 协同过滤 BP神经网络 算法  

分 类 号：TP18] TP311.13]