基于核方法的User-Based协同过滤推荐算法

被引:33
作者
王鹏
王晶晶
俞能海
机构
[1] 中国科学技术大学电子工程与信息科学系
基金
国家自然科学基金重点项目;
关键词
协同过滤; 个性化推荐; 核方法; 数据稀疏; 相似性度量;
D O I
暂无
中图分类号
TP391.3 [检索机];
学科分类号
摘要
作为在实际系统中运用最为广泛和成功的推荐技术,协同过滤算法得到了研究者们的广泛关注.传统的协同过滤算法面临着数据稀疏和冷启动等问题的挑战,在计算用户之间相似度时只能考虑有限的数据,因此难以对用户之间的相似度进行准确的估计.提出了一种基于核密度估计的用户兴趣估计模型,并基于此模型,提出了一种基于核方法的user-based协同过滤推荐算法.通过挖掘用户在有限的评分数据上表现出来的潜在兴趣,该算法能更好地描述用户兴趣在项目空间上的分布,进而可以更好地估计用户之间的兴趣相似度.实验表明,该算法可以有效地提高推荐系统的性能,尤其在数据稀疏的情况下能显著地提高推荐结果的质量.
引用
收藏
页码:1444 / 1451
页数:8
相关论文
共 5 条
[1]   个性化推荐算法设计 [J].
赵亮 ;
胡乃静 ;
张守志 .
计算机研究与发展, 2002, (08) :986-991
[2]   Trust-inspiring explanation interfaces for recommender systems [J].
Pu, Pearl ;
Chen, Li .
KNOWLEDGE-BASED SYSTEMS, 2007, 20 (06) :542-556
[3]   A content-collaborative recommender that exploits WordNet-based user profiles for neighborhood formation [J].
Degemmis, Marco ;
Lops, Pasquale ;
Semeraro, Giovanni .
USER MODELING AND USER-ADAPTED INTERACTION, 2007, 17 (03) :217-255
[4]   Item-based top-N recommendation algorithms [J].
Deshpande, M ;
Karypis, G .
ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :143-177
[5]   An empirical analysis of design choices in neighborhood-based collaborative filtering algorithms [J].
Herlocker, J ;
Konstan, JA ;
Riedl, J .
INFORMATION RETRIEVAL, 2002, 5 (04) :287-310