计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2013年
9期
1433-1436,1441
,共5页
协同过滤%基因表达式编程(GEP)%径向基函数(RBF)神经网络%数据稀疏性%推荐系统
協同過濾%基因錶達式編程(GEP)%徑嚮基函數(RBF)神經網絡%數據稀疏性%推薦繫統
협동과려%기인표체식편정(GEP)%경향기함수(RBF)신경망락%수거희소성%추천계통
collaborative filtering%gene expression programming%radical basis function neural network%the data sparse%recommender systems
针对传统协同过滤推荐算法的数据稀疏性问题,提出了基于GEP-RBF的协同过滤推荐算法.该算法对目标用户偏好的分类范畴进行了分析,构建了局部用户-项目评分矩阵,同时利用GEP优化RBF神经网络,预测局部用户-项目评分矩阵的缺失评分,平滑评分矩阵,并给出了用户评分项目交集阈值修正相似度的方法,提高用户相似度计算的准确性.实验结果表明,该算法能有效地缓解数据稀疏性问题,从而提高了协同过滤推荐系统的推荐质量.
針對傳統協同過濾推薦算法的數據稀疏性問題,提齣瞭基于GEP-RBF的協同過濾推薦算法.該算法對目標用戶偏好的分類範疇進行瞭分析,構建瞭跼部用戶-項目評分矩陣,同時利用GEP優化RBF神經網絡,預測跼部用戶-項目評分矩陣的缺失評分,平滑評分矩陣,併給齣瞭用戶評分項目交集閾值脩正相似度的方法,提高用戶相似度計算的準確性.實驗結果錶明,該算法能有效地緩解數據稀疏性問題,從而提高瞭協同過濾推薦繫統的推薦質量.
침대전통협동과려추천산법적수거희소성문제,제출료기우GEP-RBF적협동과려추천산법.해산법대목표용호편호적분류범주진행료분석,구건료국부용호-항목평분구진,동시이용GEP우화RBF신경망락,예측국부용호-항목평분구진적결실평분,평활평분구진,병급출료용호평분항목교집역치수정상사도적방법,제고용호상사도계산적준학성.실험결과표명,해산법능유효지완해수거희소성문제,종이제고료협동과려추천계통적추천질량.
