结合正反相似度的协同过滤推荐算法

针对协同过滤推荐系统中普遍存在的评分数据稀疏问题,提出一种基于正反相似度的协同过滤推荐算法。通过改进杰卡德相似度模型,给出一种计算用户正反相似度的方法,进而筛选出正反相似用户群,并根据正反相似用户群的已知评分进行综合预测。实验结果证明,与基于相似用户群的协同过滤推荐算法相比,该算法可以有效缓解协同过滤推荐中的数据稀疏问题,并且提高了推荐系统的预测准确率。...

Celý popis

Podrobná bibliografie

Vydáno v:	计算机工程 Ročník 42; číslo 10; s. 51 - 56
Hlavní autor:	周泓宇 梁刚 冯程 刘江冬
Médium:	Journal Article
Jazyk:	čínština
Vydáno:	四川大学计算机学院,成都,610065 2016
Témata:	协同过滤 惩罚因子 推荐系统 数据稀疏 正反相似度 collaborative filtering 推荐系统 协同过滤 惩罚因子 data sparseness penalty factor 数据稀疏 正反相似度 recommendation system positive and negative similarities
ISSN:	1000-3428
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!