登录    注册    忘记密码

期刊文章详细信息

基于数据稀疏性的协同过滤推荐算法改进研究  ( EI收录)  

Research on Improvement of Collaborative Filtering Recommendation Algorithm Based on Data Sparseness

  

文献类型:期刊文章

作  者:岳希[1,2] 唐聃[1,2] 舒红平[1,2] 安义文[1]

YUE Xi;TANG Dan;SHU Hongping;AN Yiwen(College of Software Eng.,Chengdu Univ.of Info.Technol.,Chengdu 610225,China;Automatic Software Generation and Intelligence Service Key Lab.of Sichuan Province,Chengdu 610225,China)

机构地区:[1]成都信息工程大学软件工程学院,四川成都610225 [2]软件自动生成与智能服务四川省重点实验室,四川成都610225

出  处:《工程科学与技术》

基  金:四川省科技厅人工智能重大专项(2019YFG0398)

年  份:2020

卷  号:52

期  号:1

起止页码:198-202

语  种:中文

收录情况:AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘  要:针对根据用户的活动行为向其推荐感兴趣项目的协同过滤推荐算法,随着用户数量和项目数量增多,用户在单一项目上的活动行为减少,导致推荐质量不佳的问题,本文提出了在数据稀疏的情况下提高推荐质量的优化算法。将基于项目和基于用户的推荐方法相结合,根据用户之间的相似度初步预测用户对项目的评分,再基于项目之间的相似度产生推荐;在填补未评分的空缺值时,将平均值与预测值相结合;在计算相似度时,考虑用户之间共同评分的项目数权重和项目之间被用户共同评分的用户数权重。实验首先对比了几种基本推荐算法的推荐效果以选取较佳的基本算法进行研究,接着将本文提出的优化算法与其他算法进行了对比,最后不同程度地增加数据稀疏性进一步进行对比。结果表明:在优化算法的实验中,本文提出的优化算法一直具有较好的推荐效果;在数据稀疏性改变的实验中,随着数据稀疏度的增大,本文提出的优化算法推荐效果更具有明显优势。

关 键 词:稀疏性 推荐算法  相似度 优化  

分 类 号:TP391]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心