计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2012年
12期
149-152
,共4页
韦素云%业宁%朱健%黄霞%张硕
韋素雲%業寧%硃健%黃霞%張碩
위소운%업저%주건%황하%장석
推荐系统%协同过滤%聚类%全局相似性%重叠度因子
推薦繫統%協同過濾%聚類%全跼相似性%重疊度因子
추천계통%협동과려%취류%전국상사성%중첩도인자
用户评分数据极端稀疏的情况下,传统相似性度量方法存在弊端,导致推荐系统的推荐质量急剧下降.针对此问题,提出了一种基于项目聚类的全局最近邻的协同过滤算法.该算法根据项目之间的相似性进行聚类,使得相似性较高的项目聚成一类,在项目聚类集的基础上,计算用户的局部相似度,使用一种新的最近邻用户全局相似度作为衡量用户间相似性的标准;其次,给出了一种利用重叠度因子来调节局部相似度的方法,以更准确地刻画用户之间的相似性.实验结果表明,该算法可以提升预测结果的准确性,提高推荐质量,特别是在数据较为稀疏时,改善尤为明显.
用戶評分數據極耑稀疏的情況下,傳統相似性度量方法存在弊耑,導緻推薦繫統的推薦質量急劇下降.針對此問題,提齣瞭一種基于項目聚類的全跼最近鄰的協同過濾算法.該算法根據項目之間的相似性進行聚類,使得相似性較高的項目聚成一類,在項目聚類集的基礎上,計算用戶的跼部相似度,使用一種新的最近鄰用戶全跼相似度作為衡量用戶間相似性的標準;其次,給齣瞭一種利用重疊度因子來調節跼部相似度的方法,以更準確地刻畫用戶之間的相似性.實驗結果錶明,該算法可以提升預測結果的準確性,提高推薦質量,特彆是在數據較為稀疏時,改善尤為明顯.
용호평분수거겁단희소적정황하,전통상사성도량방법존재폐단,도치추천계통적추천질량급극하강.침대차문제,제출료일충기우항목취류적전국최근린적협동과려산법.해산법근거항목지간적상사성진행취류,사득상사성교고적항목취성일류,재항목취류집적기출상,계산용호적국부상사도,사용일충신적최근린용호전국상사도작위형량용호간상사성적표준;기차,급출료일충이용중첩도인자래조절국부상사도적방법,이경준학지각화용호지간적상사성.실험결과표명,해산법가이제승예측결과적준학성,제고추천질량,특별시재수거교위희소시,개선우위명현.