吉林大学学报(信息科学版)
吉林大學學報(信息科學版)
길림대학학보(신식과학판)
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2008年
1期
99-105
,共7页
推荐系统%协同过滤%推荐算法%平均绝对偏差
推薦繫統%協同過濾%推薦算法%平均絕對偏差
추천계통%협동과려%추천산법%평균절대편차
针对传统的CF(Collaborative Filtering)算法和基于项目评分的CF算法中存在的数据稀疏、扩展性及计算效率低的问题,通过引用评价系数,对其相似性计算和推荐集的选取方法进行了改进,提出了一种改进的基于相关相似性的CF算法,产生更为准确的用户兴趣度预测,从而提高系统推荐的质量与推荐效率.对改进算法进行实验和性能对比与评价的结果表明,改进算法与传统算法相比,能显著提高推荐精度,平均绝对误差(MAE:Mean Absolute Error)为0.53-0.77.
針對傳統的CF(Collaborative Filtering)算法和基于項目評分的CF算法中存在的數據稀疏、擴展性及計算效率低的問題,通過引用評價繫數,對其相似性計算和推薦集的選取方法進行瞭改進,提齣瞭一種改進的基于相關相似性的CF算法,產生更為準確的用戶興趣度預測,從而提高繫統推薦的質量與推薦效率.對改進算法進行實驗和性能對比與評價的結果錶明,改進算法與傳統算法相比,能顯著提高推薦精度,平均絕對誤差(MAE:Mean Absolute Error)為0.53-0.77.
침대전통적CF(Collaborative Filtering)산법화기우항목평분적CF산법중존재적수거희소、확전성급계산효솔저적문제,통과인용평개계수,대기상사성계산화추천집적선취방법진행료개진,제출료일충개진적기우상관상사성적CF산법,산생경위준학적용호흥취도예측,종이제고계통추천적질량여추천효솔.대개진산법진행실험화성능대비여평개적결과표명,개진산법여전통산법상비,능현저제고추천정도,평균절대오차(MAE:Mean Absolute Error)위0.53-0.77.
