计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2015年
10期
128-131,136
,共5页
推荐系统%协同过滤%项目分类%用户群体兴趣%用户加权相似性
推薦繫統%協同過濾%項目分類%用戶群體興趣%用戶加權相似性
추천계통%협동과려%항목분류%용호군체흥취%용호가권상사성
recommender systems%collaborative filtering%item classification%user group interest%user weighted similarity
由于用户评分数据在极端稀疏的情况下会导致传统协同过滤算法的推荐质量下降，针对该问题，提出一种基于项目分类和用户群体兴趣的协同过滤算法。该算法根据项目类别信息对项目进行分类，相同分类的项目具有较高的相似性；利用评分数据计算各个项目分类上的用户相似性矩阵，并计算用户群体在各个分类上的兴趣，通过二者构造加权的用户相似性矩阵；利用用户加权相似性矩阵寻找用户的最近邻以获得最佳的推荐效果。实验结果表明，该算法能有效提高推荐质量。
由于用戶評分數據在極耑稀疏的情況下會導緻傳統協同過濾算法的推薦質量下降，針對該問題，提齣一種基于項目分類和用戶群體興趣的協同過濾算法。該算法根據項目類彆信息對項目進行分類，相同分類的項目具有較高的相似性；利用評分數據計算各箇項目分類上的用戶相似性矩陣，併計算用戶群體在各箇分類上的興趣，通過二者構造加權的用戶相似性矩陣；利用用戶加權相似性矩陣尋找用戶的最近鄰以穫得最佳的推薦效果。實驗結果錶明，該算法能有效提高推薦質量。
유우용호평분수거재겁단희소적정황하회도치전통협동과려산법적추천질량하강，침대해문제，제출일충기우항목분류화용호군체흥취적협동과려산법。해산법근거항목유별신식대항목진행분류，상동분류적항목구유교고적상사성；이용평분수거계산각개항목분류상적용호상사성구진，병계산용호군체재각개분류상적흥취，통과이자구조가권적용호상사성구진；이용용호가권상사성구진심조용호적최근린이획득최가적추천효과。실험결과표명，해산법능유효제고추천질량。
Similarity calculation method in traditional collaborative filtering is inaccuracy due to the extreme sparsity of user rating data. To address this problem, a collaborative filtering algorithm based on item classification and user group interest is proposed. The algorithm first classifies items by item classification, and then calculates the user similarity matrix and user group interest of each item classification by rating data to construct the user weighted similarity matrix. It obtains the nearest neighbors of target user by user weighted similarity matrix, and generates recommendations. The experimental results show that this algorithm can effectively improve the quality of the recommendation of recommender systems, and get better recommend results.
