基于影响集的协作过滤推荐算法

被引：55

作者：

陈健 ^{[1
]}

印鉴 ^{[2
]}

机构：

[1] 华南理工大学计算机科学与工程学院

[2] 不详

来源：

软件学报 | 2007年 / 07期

基金：

广东省科技计划; 高等学校博士学科点专项科研基金; 广东省自然科学基金;

关键词：

电子商务; 推荐系统; 协作过滤; 影响集;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

摘要：

传统的基于用户的协作过滤推荐系统由于使用了基于内存的最近邻查询算法,因此表现出可扩展性差、缺乏稳定性的缺点.针对可扩展性的问题,提出的基于项目的协作过滤算法,仍然不能解决数据稀疏带来的推荐质量下降的问题(稳定性差).从影响集的概念中得到启发,提出一种新的基于项目的协作过滤推荐算法CFBIS(collaborative filtering based on influence sets),利用当前对象的影响集来提高该资源的评价密度,并为这种新的推荐机制定义了计算预测评分的方法.实验结果表明,该算法相对于传统的只基于最近邻产生推荐的项目协作过滤算法而言,可有效缓解由数据集稀疏带来的问题,显著提高推荐系统的推荐质量.

引用

页码：1685 / 1694

页数：10