-
题名基于项目属性分类的协同过滤算法研究
被引量：7
- 1
-
-
作者
吴佳婧
贺嘉楠
王越群
董立岩
-
机构
哈尔滨工程大学计算机科学与技术学院
吉林大学计算机科学与技术学院
-
出处
《吉林大学学报（信息科学版）》
CAS
2018年第4期470-474,共5页
-
基金
国家自然科学基金资助项目(61272209)
-
文摘
用户对项目的评分数据是传统协同过滤算法进行项目或用户推荐的唯一依据,项目或用户本身的属性特征并未进行过多考虑。为此,在计算项目之间的相似度时融合了项目标签属性,提高了项目推荐的准确率。具体方法是首先通过创建项目属性分类表,得到项目属性之间的差异度,然后将项目属性差异度融入pearson相关系数公式中,计算项目之间的相似度。通过实验验证,改进后的方法比传统的基于项目的协同过滤算法的推荐结果平均偏差小,命中率高,推荐结果更加准确。
-
关键词
协同过滤
用户项目评分
项目属性
pearson相关系数
-
Keywords
collaborative filtering
user program rating data
item properties
pearsoncorrelation coefficient
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于用户兴趣分析的协同过滤推荐算法
被引量：3
- 2
-
-
作者
李豪
张海英
张俊
-
机构
中国科学院大学微电子学院
中国科学院微电子研究所新一代通信射频芯片技术北京市重点实验室
-
出处
《微型机与应用》
2017年第15期25-28,共4页
-
文摘
传统的协同过滤推荐算法以用户对所有物品的评分向量作为计算用户相似度的依据,没有考虑到物品属性对用户兴趣的反映。为此,提出一种新的改进的相似度计算方法,引入了"用户兴趣分布矩阵"的定义,设计了启发式的评分预测方式,即根据兴趣相似度选出TOP-K用户之后,以用户标记的物品数量作为该用户的权重来预测评分。在Movielens数据集上的测试结果表明,改进后的算法相比传统的算法在平均绝对误差(MAE)上降低了7.3%。
-
关键词
协同过滤
兴趣分布
物品属性
用户权重
-
Keywords
collaborative filtering
interest distribution
item properties
user weight
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于用户兴趣和项目属性的协同过滤算法
被引量：5
- 3
-
-
作者
刘静
武文琪
李骁
刘永利
王建芳
-
机构
河南理工大学计算机科学与技术学院
-
出处
《计算机应用与软件》
2017年第5期33-37,共5页
-
基金
国家自然科学基金项目(61202286)
河南省高等学校骨干教师计划项目(2015GGJS-068)
-
文摘
针对传统协同过滤算法不能及时反应用户的兴趣变化、时效性不足而导致推荐精度不高的问题,提出一种基于用户兴趣和项目属性的协同过滤算法。在传统协同过滤基础上综合考虑评分时间、相似度以及项目属性等因素,首先在计算相似度过程中加入基于时间的用户兴趣度权重函数,然后再与项目属性相似度进行融合,最后进行项目预测与推荐。在Movielens数据集上的实验结果表明,所提出的算法与已有的经典算法相比,平均绝对误差降低了3%~6%,有效提高了推荐的准确性。
-
关键词
用户兴趣
项目属性
协同过滤
权重函数
相似度
-
Keywords
User interest item properties Collaborative filtering Weight function Similarity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
