基于近邻关系的个性化推荐算法研究

被引：4

作者：

李慧 ^{[1
]}

胡云 ^{[1
,2
]}

李存华 ^{[1
]}

王霞 ^{[1
,2
]}

机构：

[1] 淮海工学院计算机工程学院

[2] 南京大学信息工程学院

来源：

计算机工程与应用 | 2012年 / 48卷 / 36期

关键词：

推荐系统; 最近邻; 用户相似性; 维数简化;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

协同过滤是目前电子商务推荐系统中广泛应用的最成功的推荐技术,但面临严峻的用户评分数据稀疏性和推荐实时性挑战。针对协同过滤中的数据稀疏问题,提出了一种基于最近邻的个性化推荐算法。通过维数简化技术对评分矩阵进行优化,降低数据稀疏性;采用一种新颖的相似性度量方法计算目标用户的最近邻居,产生推荐预测。实验结果表明,该算法有效地解决了数据稀疏,提高了推荐系统的推荐质量。

引用

页码：205 / 209

页数：5

共 7 条

[1] 通过相似度支持度优化基于K近邻的协同过滤算法
罗辛
欧阳元新
熊璋
袁满
[J]. 计算机学报, 2010, 33 (08) : 1437 - 1445
[2] 电子商务推荐系统中的协同过滤推荐
游文
叶水生
[J]. 计算机技术与发展, 2006, (09) : 70 - 72
[3] 使用BP神经网络缓解协同过滤推荐算法的稀疏性问题
张锋
常会友
[J]. 计算机研究与发展, 2006, (04) : 667 - 672
[4] 一种基于粗集的协同过滤算法
张巍
刘鲁
葛健
[J]. 小型微型计算机系统, 2005, (11) : 101 - 104
[5] 个性化推荐算法设计
赵亮
胡乃静
张守志
[J]. 计算机研究与发展, 2002, (08) : 986 - 991
[6] A new approach for combining content-based and collaborative filters
Kim, Byeong Man
Li, Qing
Park, Chang Seok
Kim, Si Gwan
Kim, Ju Yeon
[J]. JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2006, 27 (01) : 79 - 91
[7] Using singular value decomposition approximation for collaborative filtering .2 Zhang S,Wang W H,Ford J,et al. Proceedings of 7th IEEE International Conference on E-commerce Technology . 2005

← 1 →