文献类型：期刊文章

作　　者：张光卫[1] 李德毅[2] 李鹏[3] 康建初[1] 陈桂生[2]

机构地区：[1]北京航空航天大学软件开发环境国家重点实验室 [2]中国电子工程系统研究所,北京100840 [3]哈尔滨工业大学深圳研究生院信息安全中心,广东深圳518055

出　　处：《软件学报》

基　　金：Supported by the National Natural Science Foundation of China under Grant Nos.60496323; 60375016 (国家自然科学基金);the National Basic Research Program of China under Grant No.G2004CB719401 (国家重点基础研究发展计划(973))

年　　份：2007

卷　　号：18

期　　号：10

起止页码：2403-2411

语　　种：中文

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

摘　　要：协同过滤系统是电子商务系统中最重要的技术之一,用户相似性度量方法是影响推荐算法准确率高低的关键因素.针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足.以该方法为核心,在全面分析传统方法的基础上,提出一种新的协同过滤推荐算法.实验结果表明,算法在用户评分数据极端稀疏的情况下,仍能取得较理想的推荐质量.

关 键 词：云模型 协同过滤 相似性  推荐系统 投票

分 类 号：TP311]