计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
8期
2328-2331
,共4页
蒋胜%王忠群%修宇%皇苏斌
蔣勝%王忠群%脩宇%皇囌斌
장성%왕충군%수우%황소빈
数据稀疏%冷启动%用户背景信息%社会化标签%协同过滤推荐
數據稀疏%冷啟動%用戶揹景信息%社會化標籤%協同過濾推薦
수거희소%랭계동%용호배경신식%사회화표첨%협동과려추천
data sparsity%cold-start%users background information%social tag%Collaborative Filtering (CF) recommendation
针对传统的协同推荐算法存在数据稀疏和推荐精度低的问题,提出了一种集成社会化标签和用户背景信息的协同过滤(CF)推荐方法.首先,分别计算基于社会化标签和用户背景信息的用户间的相似度;然后,基于用户评分计算用户间的相似度;最后,集成上述3种相似性度量产生用户间综合相似度,并对目标用户进行项目推荐.实验结果表明,与传统的协同过滤推荐算法相比,所提方法在正常数据集和冷启动数据集下的平均绝对误差(MAE)平均降低了16％和22.6％.该方法不仅能有效地提高推荐算法的精度,而且能较好地解决数据稀疏和冷启动的问题.
針對傳統的協同推薦算法存在數據稀疏和推薦精度低的問題,提齣瞭一種集成社會化標籤和用戶揹景信息的協同過濾(CF)推薦方法.首先,分彆計算基于社會化標籤和用戶揹景信息的用戶間的相似度;然後,基于用戶評分計算用戶間的相似度;最後,集成上述3種相似性度量產生用戶間綜閤相似度,併對目標用戶進行項目推薦.實驗結果錶明,與傳統的協同過濾推薦算法相比,所提方法在正常數據集和冷啟動數據集下的平均絕對誤差(MAE)平均降低瞭16％和22.6％.該方法不僅能有效地提高推薦算法的精度,而且能較好地解決數據稀疏和冷啟動的問題.
침대전통적협동추천산법존재수거희소화추천정도저적문제,제출료일충집성사회화표첨화용호배경신식적협동과려(CF)추천방법.수선,분별계산기우사회화표첨화용호배경신식적용호간적상사도;연후,기우용호평분계산용호간적상사도;최후,집성상술3충상사성도양산생용호간종합상사도,병대목표용호진행항목추천.실험결과표명,여전통적협동과려추천산법상비,소제방법재정상수거집화랭계동수거집하적평균절대오차(MAE)평균강저료16％화22.6％.해방법불부능유효지제고추천산법적정도,이차능교호지해결수거희소화랭계동적문제.
