用户间多相似度协同过滤推荐算法

被引：67

作者：

范波 ^{[1
]}

程久军 ^{[2
]}

机构：

[1] 同济大学计算机科学与工程系

[2] 同济大学嵌入式系统与服务计算教育部重点实验室

来源：

计算机科学 | 2012年 / 39卷 / 01期

关键词：

多相似度; 协同过滤推荐算法; User-based; MAE;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

传统的User-based协同过滤推荐算法仅采用了单一的评分相似度来度量用户之间对任何项目喜好的相似程度。然而根据日常经验,人们对不同类型事物的喜好程度往往是不同的,单一的评分相似度显然无法准确描述这种不同。针对上述问题,提出了一种基于用户间多相似度的协同过滤推荐算法,即基于用户间对不同项目类型的多个评分相似度来计算用户对未评分项目的预测评分。实验结果表明,该算法可以有效地提高预测评分的准确性及推荐质量。

引用

页码：23 / 26

页数：4

共 5 条

[1] 通过相似度支持度优化基于K近邻的协同过滤算法 [J].

罗辛 ;

欧阳元新 ;

熊璋 ;

袁满 .

计算机学报, 2010, 33 (08) :1437-1445

[2] 不确定近邻的协同过滤推荐算法 [J].

黄创光 ;

印鉴 ;

汪静 ;

刘玉葆 ;

王甲海 .

计算机学报, 2010, 33 (08) :1369-1377

[3] 互联网推荐系统比较研究 [J].

许海玲 ;

吴潇 ;

李晓东 ;

阎保平 .

软件学报, 2009, 20 (02) :350-362

[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]

Social information filtering:Algorithms for automating "Word of Mouth". Shardanand U, Maes P. Proceedings of ACM CHI’95 Conference on Human Factors in Computing Systems . 1995

← 1 →