文献类型：期刊文章

作　　者：张小川[1] 周泽红[1] 向南[2] 桑瑞婷[1]

ZHANG Xiaochuan;ZHOU Zehong;XIANG Nan;SANG Ruiting(College of Computer Science and Engineering,Chongqing University of Technology,Chongqing 400054,China;Liangjiang International College,Chongqing University of Technology,Chongqing 401135,China)

机构地区：[1]重庆理工大学计算机科学与工程学院,重庆400054 [2]重庆理工大学两江国际学院,重庆401135

出　　处：《重庆理工大学学报（自然科学）》

基　　金：国家自然科学基金资助项目(60443004;61702063)

年　　份：2019

卷　　号：33

期　　号：3

起止页码：161-168

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、JST、ZGKJHX、核心刊

摘　　要：针对传统协同过滤算法过分依赖用户历史评分数据及评分数据存在严重稀疏性问题的情况,提出一种基于关联规则的协同过滤改进算法。该算法设置相似度阈值,计算近邻用户与目标用户之间的相似度,选取相似度最高的近邻用户组成邻居集,若邻居集中的所有近邻用户与目标用户的相似度都高于阈值则按照传统协同过滤进行评分预测,否则引入关联规则的算法对目标用户进行评分预测。首先,对利用Apriori算法输出的关联规则进行拆分,得到一对一、多对一两种形式的规则;其次,基于支持度和置信度构建推荐度计算方法;再次,形成引入关联规则的算法;最后,根据阈值选择相应的算法进行评分预测,将评分高的项目推荐给用户。实验结果表明:所提出的算法与传统协同过滤算法、基于用户平均值填充的协同过滤算法相比,在MAE、RMSE上都有明显下降,可以在一定程度上提高推荐质量。

关 键 词：推荐系统 协同过滤 关联规则 相似度 推荐算法  

分 类 号：TP391.3]