摘要
推荐系统可有效解决海量数据中的信息过载问题,为用户推荐感兴趣的信息。用户相似度计算是一种常用的推荐算法,但传统算法仅考虑用户-物品评分之间的相似性,忽略了用户固有特征对用户喜好的影响。考虑用户特征对推荐效果的影响,本文提出一种联合用户特征相似度及用户评分相似度计算的算法,采用F1衡量指标评价推荐效果的有效性。实验结果表明改进算法能有效提高推荐效果,取得更好的用户体验。
Recommendation system can solve the information overload in mass data and recommend content that users are interested in. User similarity calculation is a common recommendation algorithm, but the traditional algorithm only considers the similarity between user-item ratings and ignores the influence of users’ inherent characteristics. This paper presents an algorithm combining user feature similarity with user-item rating similarity, and uses F1 indicator to evaluate the efficiency of the recommendation algorithm. The experimental results show that the improved algorithm can effectively improve the recommendation effect.
作者
李月
陈丽
王槐彬
LI Yue;CHEN Li;WANG Huai-bin(School of Information,Guangdong Communication Polytechnic,Guangzhou 510650,China)
出处
《计算机与现代化》
2019年第3期85-89,共5页
Computer and Modernization
基金
教育部职业院校信息化教学指导委员会2018-2020年信息化教学研究课题(2018LXB0301)
关键词
推荐系统
相似度计算
联合相似度计算
改进算法
F1衡量指标
recommended system
similarity calculation
co-similarity calculation
improved algorithm
F1 indicator
