利用云模型改进基于项目的协同过滤推荐算法

被引：9

作者：

张新香

刘腾红

机构：

[1] 中南财经政法大学信息学院

来源：

图书情报工作 | 2009年 / 53卷 / 01期

关键词：

协同过滤推荐算法; 云模型; 相似度;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对基于项目的协同过滤推荐算法在数据极度稀疏的情况下相似性度量不准、推荐质量低下的不足,借鉴基于云模型中的云相似性度量方法来实现基于知识层面的项目相似性度量,改进传统的基于项目的协同过滤推荐算法,并利用公开的实验数据进行验证比较,结果表明,即使在数据极度稀疏的情况下,改进后的算法仍然能取得较好的推荐效果。

引用

收藏

页码：117 / 120+26 +26

页数：5

相关论文

共 8 条

[1] 不确定性人工智能 [J].

李德毅 ;

刘常昱 ;

杜鹢 ;

韩旭 .

软件学报, 2004, (11) :1583-1594

[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] 知识表示中的不确定性 [J].

李德毅 .

中国工程科学, 2000, (10) :73-79

[4] 隶属云和隶属云发生器 [J].

李德毅，孟海军，史雪梅 .

计算机研究与发展 , 1995, (06) :15-20

[5] Qualitative analysis of user-based and item-based prediction algorithms for recommendation agents [J].

Papagelis, M ;

Plexousakis, D .

ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2005, 18 (07) :781-789

[6] Applying associative retrieval techniques to alleviate the sparsity problem in collaborative filtering [J].

Huang, Z ;

Chen, H ;

Zeng, D .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :116-142

[7] Evaluating collaborative filtering recommender systems [J].

Herlocker, JL ;

Konstan, JA ;

Terveen, K ;

Riedl, JT .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :5-53

[8] 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