文献类型：期刊文章

作　　者：王志虎[1,2] 黄曼莹[2]

机构地区：[1]武汉理工大学信息工程学院,湖北武汉430070 [2]广西经济管理干部学院计算机系,广西南宁530007

出　　处：《微电子学与计算机》

年　　份：2017

卷　　号：34

期　　号：5

起止页码：132-136

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、核心刊

摘　　要：协同过滤推荐是数据挖掘一个重要方向,传统协同过滤推荐算法受到数据稀疏性和冷启动制约,难以获得理想的推荐结果,为了改善协同过滤推荐的准确性,提出了基于用户历史行为的协同过滤推荐算法.首先根据用户的历史行为预测用户对每一个项目的偏好程度,并采用标签描述用户对项目的偏好程度,建立相应的特征向量,然后根据特征向量计算项目相似度实现个性化推荐,最后采用多个经典数据进行了仿真测试,以验证算法的优越性.测试结果表明,该算法大幅度降低了推荐的误差,提高了协同过滤推荐的准确率,克服了传统协同过滤推荐算法存在的局限性,而且可以加快推荐速度,具有更高的实际价值.

关 键 词：数据挖掘 协同过滤 用户偏好 项目相似度  个性化推荐

分 类 号：TP31]