[1]范虎,花伟伟.协同过滤推荐算法的研究与改进[J].计算机技术与发展,2013,(09):66-69.
　FAN Hu[],HUA Wei-wei[].Research and Improvement of Collaborative Filtering Recommendation Algorithm[J].,2013,(09):66-69.
点击复制

协同过滤推荐算法的研究与改进()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2013年09期
页码:
66-69
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Research and Improvement of Collaborative Filtering Recommendation Algorithm
文章编号:
1673-629X（2013）09-0066-04
作者:
范虎1; 花伟伟2
[1]安徽理工大学 计算机科学与工程学院;[2]安徽省淮南市田家庵区检察院
Author(s):
FAN Hu[1]; HUA Wei-wei[2]
关键词:
基于用户; 协同过滤; 推荐系统; 项目分类; 相似性计算
Keywords:
user-based; collaborative filtering; recommendation system; project classification; similar calculations
文献标志码:
A
摘要:
传统的基于用户的协同过滤推荐算法在计算用户间相似性时依赖于用户-项目评分矩阵，但在实际的商业系统中，用户参与的评价往往非常少，这样计算出的相似性精确度通常很低。文中提出结合用户相似性和基于项目分类特征的相似性计算方法，计算用户间的相似性，形成目标用户的近邻集合，完成向目标用户的推荐。文中在MovieLens数据集上的实验结果表明，相对于Pearson相似性的协同过滤推荐算法，文中提出的改进算法在推荐质量方面有明显提高
Abstract:
The traditional user-based collaborative filtering algorithm calculates users' similarity according to user-item rating matrix,but in real business system,the user-ratings data is very sparse,so the calculation accuracy is very low. The calculation method mixing user similarity and project classification features based similarity is proposed for similarity calculation between users,get target user's close neighbor set,calculate recommended results. The experimental results on the MovieLens data set show that,compared with the Pearson similar collaborative filtering algorithm,the above improved algorithm raises the recommendation quality significantly

相似文献/References:

[1]邵延振 蒙韧 袁鼎荣 李新友.基于Web结构分区的协同过滤推荐算法研究[J].计算机技术与发展,2010,(06):67.
　SHAO Yan-zhen,MENG Ren,YUAN Ding-rong,et al.Collaborative Filtering Recommendation Algorithm Research Based on Web Blocks[J].,2010,(09):67.
[2]查文琴 梁昌勇 曹镭.基于用户聚类的协同过滤推荐方法[J].计算机技术与发展,2009,(06):69.
　ZHA Wen-qin,LIANG Chang-yong,CAO Lei.Collaborative Filtering Recommendation Method Based on Clustering of Users[J].,2009,(09):69.
[3]姜雅倩 王直杰 张珏.基于供求关系及协同过滤技术的推荐模型研究[J].计算机技术与发展,2007,(06):18.
　JIANG Ya-qian,WANG Zhi-jie,ZHANG Jue.Research on Recommendation Model Based on Supply and Demand Relation and Collaborative Filtering[J].,2007,(09):18.
[4]游文 叶水生.电子商务推荐系统中的协同过滤推荐[J].计算机技术与发展,2006,(09):70.
　YOU Wen,YE Shui-sheng.A Survey of Collaborative Filtering Algorithm Applied in E- commerce Recommender System[J].,2006,(09):70.
[5]徐红 彭黎 郭艾寅 徐云剑.基于用户多兴趣的协同过滤策略改进研究[J].计算机技术与发展,2011,(04):73.
　XU Hong,PENG Li,GUO Ai-yin,et al.User-Based Collaborative Filtering Strategies More Interested in Improvement of Research[J].,2011,(09):73.
[6]杨东风 牛永洁.基于混合规则的图书推荐模型设计与研究[J].计算机技术与发展,2011,(07):210.
　YANG Dong-feng,NIU Yong-jie.Books Recommended Model Design and Research Based on Mixing Rules[J].,2011,(09):210.
[7]吴月萍 王娜 马良.基于蚁群算法的协同过滤推荐系统的研究[J].计算机技术与发展,2011,(10):73.
　WU Yue-ping,WANG Na,MA Liang.Research of Collaboration Filtering Recommendation System Based on Ant Algorithm[J].,2011,(09):73.
[8]李克潮,蓝冬梅.一种属性和评分的协同过滤混合推荐算法[J].计算机技术与发展,2013,(07):116.
　LI Ke-chao,LAN Dong-mei.A Collaborative Filtering Hybrid Recommendation Algorithm for Attribute and Rating[J].,2013,(09):116.
[9]李振博,徐桂琼,査九. 基于用户谱聚类的协同过滤推荐算法[J].计算机技术与发展,2014,24(09):59.
　LI Zhen-bo,XU Gui-qiong,ZHA Jiu. A Collaborative Filtering Recommendation Algorithm Based on User Spectral Clustering[J].,2014,24(09):59.
[10]李荟,谢强,丁秋林. 一种基于情景的协同过滤推荐算法[J].计算机技术与发展,2014,24(10):42.
　LI Hui,XIEQiang,DING Qiu-lin. A Collaborative Filtering Recommendation Algorithm Based on Scenario[J].,2014,24(09):42.

更新日期/Last Update: 1900-01-01