CAJ | 학술논문

使用基于类别的用户点击率的统计方法,对传统的协同过滤推荐算法进行改进.该方法根据用户的点击率和项目特点,将概念分层细化,从而改进用户-项目矩阵中存在的稀疏问题.该方法不但能形成准确推荐,而且可以预测该类用户的未来推荐模式.采用Minnesota大学的MovieLens数据集进行实验,实验结果表明,改进的推荐算法与传统的协同过滤推荐算法相比,在用户较集中的区域,其推荐精度明显较高,更重要的是当用户数据增多时,改进的算法有较强的稳定性.
사용기우유별적용호점격솔적통계방법,대전통적협동과려추천산법진행개진.해방법근거용호적점격솔화항목특점,장개념분층세화,종이개진용호-항목구진중존재적희소문제.해방법불단능형성준학추천,이차가이예측해류용호적미래추천모식.채용Minnesota대학적MovieLens수거집진행실험,실험결과표명,개진적추천산법여전통적협동과려추천산법상비,재용호교집중적구역,기추천정도명현교고,경중요적시당용호수거증다시,개진적산법유교강적은정성.