重庆理工大学学报（自然科学版）
重慶理工大學學報（自然科學版）
중경리공대학학보（자연과학판）
JOURNAL OF CHONGQING INSTITUTE OF TECHNOLOGY
2010年
9期
69-74
,共6页
加权整合%分类预测%贡献度参数%平均绝对偏差%推荐效率
加權整閤%分類預測%貢獻度參數%平均絕對偏差%推薦效率
가권정합%분류예측%공헌도삼수%평균절대편차%추천효솔
对基于项目的传统的协同过滤算法进行了改进.传统的基于项目的协同过滤算法面临推荐效率低下和推荐精度不高的双重困难,为此,提出加权整合聚类分类预测方法,在数据处理和预测推荐过程中分别采用加权评分填充和重新定义相似性的办法提高推荐的准确度,并采用项目聚类的方法提高推荐效率,同时提出贡献度参数的概念对数据处理和预测推荐过程进行修正.采用MovieLens的数据集进行的实验对比,结果表明:改进算法能够明显提高协同过滤推荐算法的效率和精度,在数据比较稀疏的情况下依然能够保持较低的平均绝对偏差和较高的推荐效率.
對基于項目的傳統的協同過濾算法進行瞭改進.傳統的基于項目的協同過濾算法麵臨推薦效率低下和推薦精度不高的雙重睏難,為此,提齣加權整閤聚類分類預測方法,在數據處理和預測推薦過程中分彆採用加權評分填充和重新定義相似性的辦法提高推薦的準確度,併採用項目聚類的方法提高推薦效率,同時提齣貢獻度參數的概唸對數據處理和預測推薦過程進行脩正.採用MovieLens的數據集進行的實驗對比,結果錶明:改進算法能夠明顯提高協同過濾推薦算法的效率和精度,在數據比較稀疏的情況下依然能夠保持較低的平均絕對偏差和較高的推薦效率.
대기우항목적전통적협동과려산법진행료개진.전통적기우항목적협동과려산법면림추천효솔저하화추천정도불고적쌍중곤난,위차,제출가권정합취류분류예측방법,재수거처리화예측추천과정중분별채용가권평분전충화중신정의상사성적판법제고추천적준학도,병채용항목취류적방법제고추천효솔,동시제출공헌도삼수적개념대수거처리화예측추천과정진행수정.채용MovieLens적수거집진행적실험대비,결과표명:개진산법능구명현제고협동과려추천산법적효솔화정도,재수거비교희소적정황하의연능구보지교저적평균절대편차화교고적추천효솔.
