计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2013年
7期
116-119,123
,共5页
协同过滤%职业分类树%综合相似性%推荐算法
協同過濾%職業分類樹%綜閤相似性%推薦算法
협동과려%직업분류수%종합상사성%추천산법
collaborative filtering%professional classification tree%integrated similarity%recommendation algorithm
传统协同过滤推荐算法仅仅根据稀疏的评分矩阵向用户推荐,存在推荐质量不高的问题.提出了一种属性和评分的协同过滤混合推荐算法.该算法由项目的类别属性计算项目之间基于属性的相似性,考虑到用户兴趣随时间的变化,构建评分时间权重的指数函数,并应用到项目之间的Pearson相关相似性中.通过权重因子加权项目之间基于属性的相似性和项目之间的Pearson相关相似性,然后计算基于项目属性的评分预测.描绘职业分类树,构建职业相似性模型,并与性别加权结合产生用户综合属性的相似性,得到基于用户属性的评分预测.最后,综合两者计算混合评分预测.在Movielens实验数据集下,实验结果表明提出的算法具有较好的平均绝对误差.
傳統協同過濾推薦算法僅僅根據稀疏的評分矩陣嚮用戶推薦,存在推薦質量不高的問題.提齣瞭一種屬性和評分的協同過濾混閤推薦算法.該算法由項目的類彆屬性計算項目之間基于屬性的相似性,攷慮到用戶興趣隨時間的變化,構建評分時間權重的指數函數,併應用到項目之間的Pearson相關相似性中.通過權重因子加權項目之間基于屬性的相似性和項目之間的Pearson相關相似性,然後計算基于項目屬性的評分預測.描繪職業分類樹,構建職業相似性模型,併與性彆加權結閤產生用戶綜閤屬性的相似性,得到基于用戶屬性的評分預測.最後,綜閤兩者計算混閤評分預測.在Movielens實驗數據集下,實驗結果錶明提齣的算法具有較好的平均絕對誤差.
전통협동과려추천산법부부근거희소적평분구진향용호추천,존재추천질량불고적문제.제출료일충속성화평분적협동과려혼합추천산법.해산법유항목적유별속성계산항목지간기우속성적상사성,고필도용호흥취수시간적변화,구건평분시간권중적지수함수,병응용도항목지간적Pearson상관상사성중.통과권중인자가권항목지간기우속성적상사성화항목지간적Pearson상관상사성,연후계산기우항목속성적평분예측.묘회직업분류수,구건직업상사성모형,병여성별가권결합산생용호종합속성적상사성,득도기우용호속성적평분예측.최후,종합량자계산혼합평분예측.재Movielens실험수거집하,실험결과표명제출적산법구유교호적평균절대오차.
