基于邻居决策的协同过滤推荐算法

被引：23

作者：

李春 ^{[1
,2
]}

朱珍民 ^{[1
]}

高晓芳 ^{[1
,3
]}

陈援非 ^{[1
]}

机构：

[1] 中国科学院计算技术研究所

[2] 湘潭大学信息工程学院

[3] 首都师范大学计算机科学联合研究院

来源：

计算机工程 | 2010年 / 36卷 / 13期

关键词：

个性化推荐; 邻居数; 协作过滤; 平均绝对误差;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

协同过滤技术应用于个性化推荐系统中,稀疏性问题和可扩展性问题成为亟需解决的问题。针对传统方法的不足,提出一种凭借邻居数做决策的方法,比较各个待测位置的用户邻居数和项目邻居数,由数量多的一方作预测,同时对预测值判定给出一种合理而有效的度量方法。实验结果表明,该方法能够提高推荐质量。

引用

页码：34 / 36+39 +39

页数：4

共 8 条

[1] 协作过滤算法中一种预测值判定方法的研究 [J].

李永 ;

徐德智 ;

张勇 ;

邢春晓 .

小型微型计算机系统, 2008, (03) :469-472

[2] 一种基于用户聚类的协同过滤推荐算法 [J].

李涛 ;

王建东 ;

叶飞跃 ;

冯新宇 ;

张有东 .

系统工程与电子技术, 2007, (07) :1178-1182

[3] 一种优化的协同过滤推荐算法 [J].

周军锋 ;

汤显 ;

郭景峰 .

计算机研究与发展, 2004, (10) :1842-1847

[4] 基于项目评分预测的协同过滤推荐算法 [J].

邓爱林 ;

朱扬勇 ;

施伯乐 .

软件学报, 2003, (09) :1621-1628

[5] 个性化服务技术综述 [J].

曾春 ;

邢春晓 ;

周立柱 .

软件学报, 2002, (10) :1952-1961

[6]

一种解决协作过滤中矩阵稀疏性问题的算法.[J].白丽君;刘君强;陈子侠;黄红勇;.情报学报.2005, 02

[7]

个性化服务研究.[D].李永.中南大学.2007, 05

[8] Item-based top-N recommendation algorithms [J].

Deshpande, M ;

Karypis, G .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :143-177

← 1 →