计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2013年
5期
15-19
,共5页
推荐系统%个性化推荐%协同过滤%数据填充
推薦繫統%箇性化推薦%協同過濾%數據填充
추천계통%개성화추천%협동과려%수거전충
协同过滤是到目前为止最成功和应用最广泛的推荐技术,然而,由于用户-项目矩阵极端稀疏导致推荐不精确.针对该问题,提出了三种数据填充方法和两种推荐策略.对评分矩阵中未评分数据的三种数据填充方法是:(1)采用行和列数据的加权平均值填充；(2)采用行和列数据的众数的平均值填充；(3)采用行和列数据的中位数的平均值填充.一种推荐策略是直接用填充数据作为预测评分进行推荐；另一种推荐策略是将填充数据后的评分矩阵作为伪评分矩阵,应用Pearson相关相似性进行协同过滤推荐.采用MovieLens数据集进行的实验结果表明:上述几种推荐策略均可有效地缓解评分数据稀疏性问题,且提高了推荐精确度.
協同過濾是到目前為止最成功和應用最廣汎的推薦技術,然而,由于用戶-項目矩陣極耑稀疏導緻推薦不精確.針對該問題,提齣瞭三種數據填充方法和兩種推薦策略.對評分矩陣中未評分數據的三種數據填充方法是:(1)採用行和列數據的加權平均值填充；(2)採用行和列數據的衆數的平均值填充；(3)採用行和列數據的中位數的平均值填充.一種推薦策略是直接用填充數據作為預測評分進行推薦；另一種推薦策略是將填充數據後的評分矩陣作為偽評分矩陣,應用Pearson相關相似性進行協同過濾推薦.採用MovieLens數據集進行的實驗結果錶明:上述幾種推薦策略均可有效地緩解評分數據稀疏性問題,且提高瞭推薦精確度.
협동과려시도목전위지최성공화응용최엄범적추천기술,연이,유우용호-항목구진겁단희소도치추천불정학.침대해문제,제출료삼충수거전충방법화량충추천책략.대평분구진중미평분수거적삼충수거전충방법시:(1)채용행화렬수거적가권평균치전충；(2)채용행화렬수거적음수적평균치전충；(3)채용행화렬수거적중위수적평균치전충.일충추천책략시직접용전충수거작위예측평분진행추천；령일충추천책략시장전충수거후적평분구진작위위평분구진,응용Pearson상관상사성진행협동과려추천.채용MovieLens수거집진행적실험결과표명:상술궤충추천책략균가유효지완해평분수거희소성문제,차제고료추천정학도.
