基于共同评分和相似性权重的协同过滤推荐算法

被引：42

作者：

汪静 ^{[1
]}

印鉴 ^{[1
]}

郑利荣 ^{[2
]}

黄创光 ^{[1
]}

机构：

[1] 中山大学信息科学与技术学院

[2] 广东医学情报研究所

来源：

计算机科学 | 2010年 / 37卷 / 02期

基金：

广州市科技计划项目; 广东省自然科学基金; 高等学校博士学科点专项科研基金;

关键词：

电子商务; 推荐系统; 协同过滤; 共同评分; 相似性权重;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

协同过滤推荐算法是在电子商务推荐系统中应用最成功的推荐技术之一。提出了一种基于共同评分和相似性权重的协同过滤推荐算法。该算法选择用户的共同评分数据计算用户的相似性,选择项目被用户共同评分的数据计算项目的相似性,再分别计算基于用户以及项目算法的预测评分,然后通过相似性权重结合两者得到最终的预测结果,最后再根据预测结果产生推荐。实际数据的实验结果表明,提出的算法显著提高了预测准确度,从而提高了推荐质量。

引用

页码：99 / 104

页数：6

共 8 条

[1] 基于影响集的协作过滤推荐算法 [J].

陈健 ;

印鉴 .

软件学报, 2007, (07) :1685-1694

[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] Item-based top-N recommendation algorithms [J].

Deshpande, M ;

Karypis, G .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :143-177

[4] 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

[5] USING COLLABORATIVE FILTERING TO WEAVE AN INFORMATION TAPESTRY [J].

GOLDBERG, D ;

NICHOLS, D ;

OKI, BM ;

TERRY, D .

COMMUNICATIONS OF THE ACM, 1992, 35 (12) :61-70

[6]

Grouplens: An Open Architecture for collaborative Filtering of Netnews. Resnick P,Iacovou N, Suchak M, et al. Proceedings of the Conference on Computer Supported Collaborative Work . 1994

[7]

Social information filtering:Algorithms for automating "Word of Mouth". Shardanand U, Maes P. Proceedings of ACM CHI’95 Conference on Human Factors in Computing Systems . 1995

[8]

A study on the improved collaborative filtering algorithm for recommender system. Lee H C,Lee S J,Chung Y J. the 5th International Conf.on Software Engineering Research,Management and Applications . 2007

← 1 →