文献类型：期刊文章

作　　者：王永[1] 邓江洲[1]

机构地区：[1]重庆邮电大学电子商务与现代物流重点实验室,重庆400065

出　　处：《北京邮电大学学报》

基　　金：国家自然科学基金项目(61472464);国家社会科学基金项目(14CTQ026);重庆市自然科学基金项目(cstc2015jcyj A10081)

年　　份：2017

卷　　号：40

期　　号：2

起止页码：110-114

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、JST、RCCSE、ZGKJHX、核心刊

摘　　要：大多数用户相似性算法在计算用户相似性时只考虑了用户间的共同评分项,而忽略了用户其他评分中可能隐藏的有价值信息.为了准确评估用户间的相似性,提出了一种基于KL散度的用户相似性协同过滤算法.该算法不仅利用了共同评分项,还考虑了其他非共同评分信息的影响.该算法充分利用了用户的所有评分信息,提高了用户相似性度量的可靠性和准确性.实验结果表明,该算法优于当前主流的用户相似性算法,且在没有共同评分信息的条件下,仍能有效地完成用户相似性度量,解决了对共同评分项的完全依赖问题,具有更好的适应性.

关 键 词：协同过滤算法 用户相似性  KL散度 共同评分信息  数据稀疏

分 类 号：TP391]