情报学报
情報學報
정보학보
2010年
3期
443-448
,共6页
协同过滤算法%个性化推荐%稀疏数据%扩展邻居
協同過濾算法%箇性化推薦%稀疏數據%擴展鄰居
협동과려산법%개성화추천%희소수거%확전린거
协同过滤算法是目前最主要的个性化推荐算法之一,它根据当前用户的最近邻居集所给出的评分来预测该用户对未评分项的评分.评分数据的稀疏性会影响协同过滤算法的推荐精度,为此我们提出了基于扩展邻居的协同过滤算法,在现有相似性计算的基础上通过扩展目标用户的邻居来获得更多的参考信息,从而提高预测结果的准确性.我们使用公共数据集MovieLens进行了实验,三种评价指标的统计结果显示,我们的方法要优于传统的协同过滤算法.
協同過濾算法是目前最主要的箇性化推薦算法之一,它根據噹前用戶的最近鄰居集所給齣的評分來預測該用戶對未評分項的評分.評分數據的稀疏性會影響協同過濾算法的推薦精度,為此我們提齣瞭基于擴展鄰居的協同過濾算法,在現有相似性計算的基礎上通過擴展目標用戶的鄰居來穫得更多的參攷信息,從而提高預測結果的準確性.我們使用公共數據集MovieLens進行瞭實驗,三種評價指標的統計結果顯示,我們的方法要優于傳統的協同過濾算法.
협동과려산법시목전최주요적개성화추천산법지일,타근거당전용호적최근린거집소급출적평분래예측해용호대미평분항적평분.평분수거적희소성회영향협동과려산법적추천정도,위차아문제출료기우확전린거적협동과려산법,재현유상사성계산적기출상통과확전목표용호적린거래획득경다적삼고신식,종이제고예측결과적준학성.아문사용공공수거집MovieLens진행료실험,삼충평개지표적통계결과현시,아문적방법요우우전통적협동과려산법.
