上海理工大学学报
上海理工大學學報
상해리공대학학보
2014年
1期
31-33
,共3页
系统分析与集成%个性化推荐%协同过滤算法%二阶有向相似性
繫統分析與集成%箇性化推薦%協同過濾算法%二階有嚮相似性
계통분석여집성%개성화추천%협동과려산법%이계유향상사성
systems analysis and integration%personalized recommendation%collaborative filtering%directive second-order similarity
考虑用户的二阶相似性信息,提出了一种改进的协同过滤个性化推荐算法.实证统计发现,经典的基于产品映射的用户相似性定义中包含很多流行产品的信息,因此,无法准确度量用户的兴趣关联,通过引入有向的二阶相似性,算法可以有效降低大众主流喜好对目标用户相似性定义的影响.Movielens数据集上的实验结果显示,算法的准确度可以达到0.080 8,相对于经典的协同过滤算法,其准确性提高了22.08％,且当推荐列表长度L=50时,推荐列表的多样性可以达到0.775,较经典的协同过滤算法提高了10.87％.研究表明,二阶有向相似性信息对个性化推荐算法有很大影响.
攷慮用戶的二階相似性信息,提齣瞭一種改進的協同過濾箇性化推薦算法.實證統計髮現,經典的基于產品映射的用戶相似性定義中包含很多流行產品的信息,因此,無法準確度量用戶的興趣關聯,通過引入有嚮的二階相似性,算法可以有效降低大衆主流喜好對目標用戶相似性定義的影響.Movielens數據集上的實驗結果顯示,算法的準確度可以達到0.080 8,相對于經典的協同過濾算法,其準確性提高瞭22.08％,且噹推薦列錶長度L=50時,推薦列錶的多樣性可以達到0.775,較經典的協同過濾算法提高瞭10.87％.研究錶明,二階有嚮相似性信息對箇性化推薦算法有很大影響.
고필용호적이계상사성신식,제출료일충개진적협동과려개성화추천산법.실증통계발현,경전적기우산품영사적용호상사성정의중포함흔다류행산품적신식,인차,무법준학도량용호적흥취관련,통과인입유향적이계상사성,산법가이유효강저대음주류희호대목표용호상사성정의적영향.Movielens수거집상적실험결과현시,산법적준학도가이체도0.080 8,상대우경전적협동과려산법,기준학성제고료22.08％,차당추천렬표장도L=50시,추천렬표적다양성가이체도0.775,교경전적협동과려산법제고료10.87％.연구표명,이계유향상사성신식대개성화추천산법유흔대영향.
