基于云模型的协同过滤推荐算法

被引：555

作者：

张光卫 ^{[1
]}

李德毅 ^{[2
]}

李鹏 ^{[3
]}

康建初 ^{[1
]}

陈桂生 ^{[2
]}

机构：

[1] 北京航空航天大学软件开发环境国家重点实验室

[2] 中国电子工程系统研究所

[3] 哈尔滨工业大学深圳研究生院信息安全中心

来源：

软件学报 | 2007年 / 10期

关键词：

云模型; 协同过滤; 相似性; 推荐系统; 投票;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

协同过滤系统是电子商务系统中最重要的技术之一,用户相似性度量方法是影响推荐算法准确率高低的关键因素.针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足.以该方法为核心,在全面分析传统方法的基础上,提出一种新的协同过滤推荐算法.实验结果表明,算法在用户评分数据极端稀疏的情况下,仍能取得较理想的推荐质量.

引用

页码：2403 / 2411

页数：9

共 11 条

[1]

使用BP神经网络缓解协同过滤推荐算法的稀疏性问题 [J].