集成社会化标签和用户背景信息的协同过滤推荐方法

被引：6

作者：

蒋胜

王忠群

修宇

皇苏斌

机构：

[1] 安徽工程大学计算机与信息学院

来源：

计算机应用 | 2014年 / 34卷 / 08期

关键词：

数据稀疏; 冷启动; 用户背景信息; 社会化标签; 协同过滤推荐;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

针对传统的协同推荐算法存在数据稀疏和推荐精度低的问题,提出了一种集成社会化标签和用户背景信息的协同过滤(CF)推荐方法。首先,分别计算基于社会化标签和用户背景信息的用户间的相似度;然后,基于用户评分计算用户间的相似度;最后,集成上述3种相似性度量产生用户间综合相似度,并对目标用户进行项目推荐。实验结果表明,与传统的协同过滤推荐算法相比,所提方法在正常数据集和冷启动数据集下的平均绝对误差(MAE)平均降低了16%和22.6%。该方法不仅能有效地提高推荐算法的精度,而且能较好地解决数据稀疏和冷启动的问题。

引用

页码：2328 / 2331

页数：4

共 12 条

[1]

Recommender systems handbook. RICCI F,ROKACH I,SHAPIRA B,et al. . 2011

[2] 基于内容过滤的农业信息推荐系统 [J].

庄景明 ;

王明文 ;

叶茂盛 .

计算机工程, 2012, 38 (11) :38-41

[3]

Product recommendation and rating prediction based on multi-modal social networks. Panagiotis Symeonidis,Eleftherios Tiakas,Yannis Manolopoulos. Proceedings of the 5th ACM Conference on Recommender Systems . 2011

[4]

Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. Gediminas Adomavicius,Alexander Tuzhilin. IEEE Transactions on Knowledge and Data Engineering . 2005

[5] 一种基于用户偏好自动分类的社会媒体共享和推荐方法 [J].