面向场景的协同过滤推荐算法

被引：26

作者：

张光卫 ^{[1
]}

康建初 ^{[1
]}

李鹤松 ^{[1
]}

刘常昱 ^{[2
]}

李德毅 ^{[3
]}

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] 国防大学信息作战与指挥训练作战部

[3] 中国电子工程系统研究所

来源：

系统仿真学报 | 2006年 / S2期

关键词：

推荐系统; 协同过滤; 项目相似性; 投票; 云模型;

D O I：

10.16182/j.cnki.joss.2006.s2.169

中图分类号：

TP311.52 [];

学科分类号：

摘要：

推荐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。进而以该方法为核心,提出一种面向场景的协同过滤推荐算法,该算法能够充分利用项目的分类信息,避免了传统算法把用户的整体打分作为单个向量的弊端。实验结果表明,算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量。

引用

页码：595 / 601

页数：7

共 7 条

[1] 不确定性人工智能 [J].