CAJ | 학술논문

随着互联网的发展,推荐系统逐步得到广泛应用,协同过滤(CF)是其中运用得最早.最成功的技术之一.CF首先根据用户间的相似度,找出每个用户的近邻;然后根据目标用户近邻的评分预测目标用户的评分;最后把预测评分较高的项目推荐给目标用户.因此相似度计算方法直接关系到预测结果的准确性,对推荐起着至关重要的作用.目前,学者们已从不同的角度提出了各种各样的相似度计算方法,其中共同邻居算法(common-neighbors)是一种简单有效的方法.但此法仅考虑了两用户间的共同邻居数,忽略了用户的具体评分信息.针对这个问题对共同邻居算法进行了改进,同时考虑了共同邻居数和用户的评分信息.实验结果表明,改进的共同邻居算法在一定程度上可提高评分预测的准确性.
수착호련망적발전,추천계통축보득도엄범응용,협동과려(CF)시기중운용득최조.최성공적기술지일.CF수선근거용호간적상사도,조출매개용호적근린;연후근거목표용호근린적평분예측목표용호적평분;최후파예측평분교고적항목추천급목표용호.인차상사도계산방법직접관계도예측결과적준학성,대추천기착지관중요적작용.목전,학자문이종불동적각도제출료각충각양적상사도계산방법,기중공동린거산법(common-neighbors)시일충간단유효적방법.단차법부고필료량용호간적공동린거수,홀략료용호적구체평분신식.침대저개문제대공동린거산법진행료개진,동시고필료공동린거수화용호적평분신식.실험결과표명,개진적공동린거산법재일정정도상가제고평분예측적준학성.