文献类型：期刊文章

作　　者：陆春[1] 洪安邦[2] 宫剑[1]

机构地区：[1]上海财经大学信息化办公室,上海200433 [2]上海财经大学信息管理与工程学院,上海200433

出　　处：《计算机工程与应用》

基　　金：上海市科学技术委员会科研计划项目(No.13dz1508402)

年　　份：2014

卷　　号：50

期　　号：5

起止页码：101-107

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：协同过滤是推荐系统中最有效的方法之一,推荐算法评分预测的精确性受到最近邻居的提取以及项目或用户相似度计算的两个关键点的影响。根据用户行为相似性原理,采用最大交集法提取与当前项目共同评分最多的邻居作为最佳邻居候选集,同时提出了加权余弦相似性方法对相似度进行计算,并采用粒子群优化算法(PSO)对权重进行优化求解。实验结果表明,采用上述方法相对于传统方法来说,能较好地改善评分预测的精确度,有效地提高推荐系统的推荐质量。

关 键 词：推荐系统 粒子群算法  协同过滤 PARTICLE SWARM Optimization(PSO)  

分 类 号：TP393]