基于用户群体影响的协同过滤推荐算法

被引：21

作者：

林耀进 ^{[1
,2
]}

胡学钢 ^{[1
]}

李慧宗 ^{[1
]}

机构：

[1] 合肥工业大学计算机与信息学院

[2] 漳州师范学院计算机科学与工程系

来源：

情报学报 | 2013年 / 03期

关键词：

推荐系统; 协同过滤; 群体影响; 相似性;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

协同过滤是推荐系统中广泛使用的推荐技术,对推荐结果可解释强。基于用户的协同过滤是一种重要的系统推荐方法,用户评分数据的极端稀疏性制约着系统的推荐质量。针对上述情况,提出一种基于用户群体影响的协同过滤推荐算法。首先,定义了用户群体的概念并根据群体影响提出两条相应准则;然后,计算用户相似性时,不仅考虑了用户个体之间的相似性,而且考虑了用户所处群体之间的相似性。该算法不仅可以更加精确地刻画用户之间相似度,而且一定程度上增强了推荐系统的稳定性。实验结果表明,该算法能有效地提高系统的推荐质量,而且满足所提出的两条准则。

引用

页码：299 / 305

页数：7

共 10 条

[1] 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

[2] 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

[3]

基于扩展邻居的协同过滤算法[J]. 宣照国,苗静,党延忠.情报学报. 2010 (03)

[4]

基于项类偏好的协同过滤推荐算法[J]. 冷亚军,梁昌勇,张恩桥,戚筱雯.情报学报. 2011 (07)

[5]

Using past-prediction accuracy in recommender systems[J] . Juan F. Huete,J.M. Fernández-Luna,Luis M. de Campos,Miguel A. Rueda-Morales.Information Sciences . 2012

[6]

A latent model for collaborative filtering[J] . Helge Langseth,Thomas Dyhre Nielsen.International Journal of Approximate Reasoning . 2011 (4)

[7]

Collaborative filtering based on significances[J] . Jesús Bobadilla,Antonio Hernando,Fernando Ortega,Abraham Gutiérrez.Information Sciences . 2011 (1)

[8] Userrank for item-based collaborative filtering recommendation [J].

Gao, Min ;

Wu, Zhongfu ;

Jiang, Feng .

INFORMATION PROCESSING LETTERS, 2011, 111 (09) :440-446

[9]

Improving neighborhood based Collaborative Filtering via integrated folksonomy information[J] . Xin Luo,Yuanxin Ouyang,Zhang Xiong.Pattern Recognition Letters . 2011 (3)

[10]

User credit-based collaborative filtering[J] . Buhwan Jeong,Jaewook Lee,Hyunbo Cho.Expert Systems With Applications . 2008 (3)

← 1 →