计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2014年
12期
88-91,95
,共5页
协同过滤%推荐%未评分值预测%冷启动%数据稀疏
協同過濾%推薦%未評分值預測%冷啟動%數據稀疏
협동과려%추천%미평분치예측%랭계동%수거희소
collaborative filtering%recommendation%missing data prediction%cold start%sparse data
针对传统协同过滤方法中存在的冷启动和数据稀疏等问题,结合基于用户的协同过滤和基于项目的协同过滤提出一种混合协同过滤算法。在相似度的计算中提出改进算法来提高相似度计算的精确度;在预测未评分值时引入控制因子、平衡因子进行加权综合预测,最后再进行综合推荐。实验过程中采用MovieLens数据集作为测试数据,同时采用平均绝对误差作为实验的测试标准。实验结果表明,基于用户-项目混合协同过滤算法在评分矩阵极度稀疏的环境下提高了推荐的性能,并能有效提高预测的精度。
針對傳統協同過濾方法中存在的冷啟動和數據稀疏等問題,結閤基于用戶的協同過濾和基于項目的協同過濾提齣一種混閤協同過濾算法。在相似度的計算中提齣改進算法來提高相似度計算的精確度;在預測未評分值時引入控製因子、平衡因子進行加權綜閤預測,最後再進行綜閤推薦。實驗過程中採用MovieLens數據集作為測試數據,同時採用平均絕對誤差作為實驗的測試標準。實驗結果錶明,基于用戶-項目混閤協同過濾算法在評分矩陣極度稀疏的環境下提高瞭推薦的性能,併能有效提高預測的精度。
침대전통협동과려방법중존재적랭계동화수거희소등문제,결합기우용호적협동과려화기우항목적협동과려제출일충혼합협동과려산법。재상사도적계산중제출개진산법래제고상사도계산적정학도;재예측미평분치시인입공제인자、평형인자진행가권종합예측,최후재진행종합추천。실험과정중채용MovieLens수거집작위측시수거,동시채용평균절대오차작위실험적측시표준。실험결과표명,기우용호-항목혼합협동과려산법재평분구진겁도희소적배경하제고료추천적성능,병능유효제고예측적정도。
According to the problems such as cold start,sparse data existed in the traditional collaborative filtering algorithms,a hybrid collaborative filtering algorithm is proposed which combines user-based and item-based collaborative filtering.An improved algorithm is proposed to improve the accuracy of similarity calculation in the similarity algorithm.The control factors and balance factors are intro-duced in the missing data prediction process for the finally comprehensive recommendation.MovieLens dataset is applied in the experi-ments,the mean absolute error is used for the experiment as a test standard.Experimental results show that the user-item hybrid collabora-tive filtering algorithm can improve the recommendation performance and prediction accuracy in the extremely sparse matrix.