计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2013年
6期
1688-1691
,共4页
方耀宁%郭云飞%扈红超%兰巨龙
方耀寧%郭雲飛%扈紅超%蘭巨龍
방요저%곽운비%호홍초%란거룡
推荐系统%协同过滤%稀疏性问题%Sigmoid函数
推薦繫統%協同過濾%稀疏性問題%Sigmoid函數
추천계통%협동과려%희소성문제%Sigmoid함수
recommender systems%collaborative filtering(CF)%sparsity problem%Sigmoid function
随着电子商务和社交网络的蓬勃发展,推荐系统逐渐成为数据挖掘领域的重要研究方向.推荐系统能够从海量信息中定位用户兴趣点,提供个性化服务.协同过滤算法能够有效分析用户偏好,提供合适的推荐服务.针对评分矩阵稀疏时传统协同过滤算法性能很差的问题,提出一种基于Sigmoid函数的改进推荐系统算法.利用Sigmoid函数对不同项目进行建模,得到项目的平均受欢迎程度；利用Sigmoid函数对不同用户进行建模,将评分映射为用户对项目的喜好程度；根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测.在两组真实数据集合上的实验结果表明,该算法较好地解决了数据稀疏性问题,能够有效提高传统算法的预测准确性.
隨著電子商務和社交網絡的蓬勃髮展,推薦繫統逐漸成為數據挖掘領域的重要研究方嚮.推薦繫統能夠從海量信息中定位用戶興趣點,提供箇性化服務.協同過濾算法能夠有效分析用戶偏好,提供閤適的推薦服務.針對評分矩陣稀疏時傳統協同過濾算法性能很差的問題,提齣一種基于Sigmoid函數的改進推薦繫統算法.利用Sigmoid函數對不同項目進行建模,得到項目的平均受歡迎程度；利用Sigmoid函數對不同用戶進行建模,將評分映射為用戶對項目的喜好程度；根據用戶對項目喜好程度應該與項目平均受歡迎程度貼近的原則進行評分預測.在兩組真實數據集閤上的實驗結果錶明,該算法較好地解決瞭數據稀疏性問題,能夠有效提高傳統算法的預測準確性.
수착전자상무화사교망락적봉발발전,추천계통축점성위수거알굴영역적중요연구방향.추천계통능구종해량신식중정위용호흥취점,제공개성화복무.협동과려산법능구유효분석용호편호,제공합괄적추천복무.침대평분구진희소시전통협동과려산법성능흔차적문제,제출일충기우Sigmoid함수적개진추천계통산법.이용Sigmoid함수대불동항목진행건모,득도항목적평균수환영정도；이용Sigmoid함수대불동용호진행건모,장평분영사위용호대항목적희호정도；근거용호대항목희호정도응해여항목평균수환영정도첩근적원칙진행평분예측.재량조진실수거집합상적실험결과표명,해산법교호지해결료수거희소성문제,능구유효제고전통산법적예측준학성.
