文献类型：期刊文章

作　　者：陈平华[1] 陈传瑜[1] 洪英汉[2]

机构地区：[1]广东工业大学计算机学院,广州510006 [2]韩山师范学院物理与电子工程系,广东潮州521000

出　　处：《小型微型计算机系统》

基　　金：广东省教育部产学研结合项目(2012B091100003;2012B091000058)资助;广东省专业镇中小微企业服务平台建设项目(2012B040500034)资助

年　　份：2016

卷　　号：37

期　　号：2

起止页码：287-292

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对协同过滤算法在计算相似度时未考虑项目之间内在联系的问题,提出一种结合关联规则的协同过滤改进算法.改进算法首先应用Apriori算法,挖掘项目之间的强关联规则,尤其是两个以上项目之间的强关联规则;接着,将强关联规则过滤和拆分;最后将拆分后的强关联规则集成到相似度矩阵中.为适应时效变化和防止用户作弊,在计算相似度时,改进算法还考虑到项目的时效和用户可信度等因素.Movie Lens上的实验结果表明,改进算法提高了推荐系统准确性、有效性和适用性.

关 键 词：关联规则 协同过滤 用户可信度  APRIORI 推荐算法  

分 类 号：TP311]