文献类型：期刊文章

作　　者：王成[1,2] 朱志刚[1] 张玉侠[1] 苏芳芳[1]

机构地区：[1]华侨大学计算机科学与技术学院,福建厦门361021 [2]西安交通大学机械强度与振动国家重点实验室,西安710049

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(51305142;61103170)资助;厦门市科技计划项目(3502Z20143041)资助;福建省自然科学基金计划项目(2014J01191)资助;中国博士后科学基金第55批面上项目(2014M552429)资助;华侨大学引进人才科研启动项目(12BS217)资助

年　　份：2016

卷　　号：37

期　　号：3

起止页码：428-432

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：针对传统的基于用户的协同过滤算法存在的推荐效率、精度和个性化低的问题,提出一种改进方法.该方法在计算用户评分矩阵时,考虑到用户评分矩阵稀疏性,建立项目-用户的倒查表,只计算有相同评分项的用户之间的相似度,避免了传统方法中对所有用户计算两两用户相似度的庞大工作量.该方法在计算用户相似度时,考虑到项目的热门程度不同,"惩罚"了用户共同兴趣列表中的热门项目,避免了传统方法中赋予所有项目相同权值对推荐结果个性化的负面影响.本文在详细分析了改进的用户协同过滤算法的原理和优点,给出了其推荐步骤流程图.在Movielens100K和HetRec2011-movielens-2k公开数据集上,十折交叉验证的结果表明,改进后的算法节约了运行时间,提高了推荐算法的效率和个性化.

关 键 词：基于用户的协同过滤  个性化推荐 相似度计算 用户评分矩阵  数据稀疏性 项目-用户倒查表  十折交叉验证  

分 类 号：TP393]