学术探索
学术期刊
新闻热点
数据分析
智能评审

改进Pearson相关系数的个性化推荐算法

被引：47
作者：
陈功平
王红
机构：
[1] 六安职业技术学院信息与电子工程学院
来源：
山东农业大学学报(自然科学版) | 2016年 / 47卷 / 06期
关键词：
个性化推荐; 相似性计算; 皮尔森相关系数; 评分预测;
D O I：
暂无
中图分类号：
TP391.3 [检索机];
学科分类号：
摘要：
基于用户的协同过滤推荐算法(User CF)从用户的历史操作记录中分析用户的兴趣,找到每个用户的k个相似近邻,然后基于这k个近邻集合实施推荐。皮尔森相关系数能够根据用户的历史评分计算用户间的相似度。本文加入流行项目惩罚系数、共同评分项目惩罚系数δ和评分差异惩罚系数λ,对皮尔森相关系数实施了改进和修订。实验结果表明,改进后的皮尔森相似度的推荐效果好于原始皮尔森相似度。
引用
收藏
页码：940 / 944
页数：5
相关论文
共 10 条
  • [1] 基于位置的社会化网络推荐系统
    刘树栋
    孟祥武
    [J]. 计算机学报, 2015, 38 (02) : 322 - 336
  • [2] 云计算环境下基于协同过滤的个性化推荐机制
    朱夏
    宋爱波
    东方
    罗军舟
    [J]. 计算机研究与发展, 2014, 51 (10) : 2255 - 2269
  • [3] 面向微博系统的实时个性化推荐
    高明
    金澈清
    钱卫宁
    王晓玲
    周傲英
    [J]. 计算机学报, 2014, 37 (04) : 963 - 975
  • [4] 基于用户聚类的异构社交网络推荐算法
    陈克寒
    韩盼盼
    吴健
    [J]. 计算机学报, 2013, 36 (02) : 349 - 359
  • [5] 推荐系统评价指标综述
    朱郁筱
    吕琳媛
    [J]. 电子科技大学学报, 2012, 41 (02) : 163 - 175
  • [6] 不确定近邻的协同过滤推荐算法
    黄创光
    印鉴
    汪静
    刘玉葆
    王甲海
    [J]. 计算机学报, 2010, 33 (08) : 1369 - 1377
  • [7] 两阶段联合聚类协同过滤算法
    吴湖
    王永吉
    王哲
    王秀利
    杜栓柱
    [J]. 软件学报, 2010, 21 (05) : 1042 - 1054
  • [8] 利用Pearson相关系数定量分析生物亲缘关系
    张宇镭
    党琰
    贺平安
    不详
    [J]. 计算机工程与应用 , 2005, (33) : 83 - 86+103
  • [9] Scalable news recommendation using multi-dimensional similarity and Jaccard–Kmeans clustering[J] . Meilian Lu,Zhen Qin,Yiming Cao,Zhichao Liu,Mengxing Wang.The Journal of Systems & Software . 2014
  • [10] An entropy-based neighbor selection approach for collaborative filtering[J] . Cihan Kaleli.Knowledge-Based Systems . 2013
1