融合用户评分和属性相似度的协同过滤推荐算法 |
| |
引用本文: | 杨秀萍.融合用户评分和属性相似度的协同过滤推荐算法[J].计算机与现代化,2017,0(7):16. |
| |
作者姓名: | 杨秀萍 |
| |
摘 要: | 为了提高协同过滤推荐系统的推荐效率和准确性,更好地向用户提供个性化的推荐服务,提出一种用户评分和属性相似度的推荐算法。首先分析当前协同过滤推荐研究的现状,设计评分相似度、兴趣倾向相似度、置信度等作为评分标准,使得用户相似度的计算更加准确、有区分度,然后根据用户属性来衡量用户之间的相似度,最后利用MovieLens数据集和Book-Crossing数据集做对比试验,对比精度、通用性和不同稀疏度及冷启动情况下的性能。实验结果表明,本文算法不仅提高了推荐精度,而且明显优于其它协同过滤推荐算法,具有更高的实际应用价值。
|
关 键 词: | 推荐系统 协同过滤 相似性度量 稀疏性问题 |
收稿时间: | 2017-07-20 |
|
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
|