文献类型：期刊文章

作　　者：韦素云[1] 业宁[1] 朱健[1] 黄霞[1] 张硕[1]

机构地区：[1]南京林业大学信息科学技术学院,南京210037

出　　处：《计算机科学》

基　　金：国家973项目(2012CB114505);国家杰出青年基金项目(31125008);江苏省自然科学基金项目(BK2009393);江苏省青蓝工程学术带头人项目(CXLX11_0525);南京林业大学科技创新项目(163070079);江苏高校大学生创新计划项目(164070742)资助

年　　份：2012

卷　　号：39

期　　号：12

起止页码：149-152

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSCD、CSCD2011_2012、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：用户评分数据极端稀疏的情况下,传统相似性度量方法存在弊端,导致推荐系统的推荐质量急剧下降。针对此问题,提出了一种基于项目聚类的全局最近邻的协同过滤算法。该算法根据项目之间的相似性进行聚类,使得相似性较高的项目聚成一类,在项目聚类集的基础上,计算用户的局部相似度,使用一种新的最近邻用户全局相似度作为衡量用户间相似性的标准;其次,给出了一种利用重叠度因子来调节局部相似度的方法,以更准确地刻画用户之间的相似性。实验结果表明,该算法可以提升预测结果的准确性,提高推荐质量,特别是在数据较为稀疏时,改善尤为明显。

关 键 词：推荐系统 协同过滤 聚类 全局相似性  重叠度因子  

分 类 号：TP391.4]