基于矩阵填充和物品可预测性的协同过滤算法

被引：45

作者：

潘涛涛 ^{[1
]}

文锋 ^{[2
]}

刘勤让 ^{[1
]}

机构：

[1] 国家数字交换系统工程技术研究中心

[2] 江南计算技术研究所

来源：

自动化学报 | 2017年 / 43卷 / 09期

基金：

国家高技术研究发展计划(863计划);

关键词：

协同过滤; 推荐系统; 预测评分; 相似度; 0-1背包问题;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对传统矩阵填充算法忽略了预测评分与真实评分之间的可信度差异和传统Top-N方法推荐精度低等问题,提出了一种改进的协同过滤算法.该算法首先利用置信系数C区分评分值之间的可信度;然后提出物品可预测性的概念,综合物品的预测评分与物品的可预测性进行物品推荐并将其转化为0-1背包问题,从而筛选出最优化的推荐列表.实验结果表明:该算法能有效缓解稀疏性的影响,提高推荐性能,并且算法具有良好的可扩展性.

引用

页码：1597 / 1606

页数：10

共 18 条

[1]

基于时序行为的协同过滤推荐算法 [J].

孙光福 ;

吴乐 ;

刘淇 ;

朱琛 ;

陈恩红 .

软件学报, 2013, 24 (11) :2721-2733

[2]

基于数据非随机缺失机制的推荐系统托攻击探测[J] 李聪;骆志刚; 自动化学报 2013, 10

[3]

协同过滤中一种有效的最近邻选择方法 [J].

冷亚军 ;

梁昌勇 ;

丁勇 ;

陆青 .

模式识别与人工智能, 2013, 26 (10) :968-974

[4]

推荐系统评价指标综述 [J].

朱郁筱 ;

吕琳媛 .

电子科技大学学报 , 2012, (02) :163-175

[5]

基于用户兴趣传播的协同过滤方法 [J].

高建煌 ;

陈恩红 ;

刘淇 .

电子技术, 2010, 47 (06) :1-4

[6]

基于BP神经网络的数据挖掘方法 [J].

陈刚 ;

刘发升 .

计算机与现代化, 2006, (10) :20-22

[7]

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

[8]

A non negative matrix factorization for collaborative filtering recommender systems based on a Bayesian probabilistic model[J] Antonio Hernando;Jesús Bobadilla;Fernando Ortega Knowledge-Based Systems 2016,

[9]

Performance evaluation of recommendation algorithms on Internet of Things services[J] Ibrahim Mashal;Osama Alsaryrah;Tein-Yaw Chung Physica A: Statistical Mechanics and its Applications 2016,

[10]

Research on recommender system based on ontology and genetic algorithm[J] Gang Lv;Chunling Hu;Shengbing Chen Neurocomputing 2016,

← 1 2 →