计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
8期
147-149,206
,共4页
协同过滤%相似性%个性化推荐
協同過濾%相似性%箇性化推薦
협동과려%상사성%개성화추천
collaborative filtering%similarity%personalized recommendation
衡量用户的相似性是协同过滤算法的核心内容,用户间相似性的准确率对个性化推荐的结果会有显著影响。通过对用户-项目评分记录的分析,在比较pearson和jaccard相似性的基础上对相似性度量方法进行改进,并将该改进方法应用于MovieLens站点提供的数据集进行实证分析。实证研究表明,改进后的算法可以提高个性化推荐的准确性,并在一定程度上克服数据稀疏性对推荐质量的影响。
衡量用戶的相似性是協同過濾算法的覈心內容,用戶間相似性的準確率對箇性化推薦的結果會有顯著影響。通過對用戶-項目評分記錄的分析,在比較pearson和jaccard相似性的基礎上對相似性度量方法進行改進,併將該改進方法應用于MovieLens站點提供的數據集進行實證分析。實證研究錶明,改進後的算法可以提高箇性化推薦的準確性,併在一定程度上剋服數據稀疏性對推薦質量的影響。
형량용호적상사성시협동과려산법적핵심내용,용호간상사성적준학솔대개성화추천적결과회유현저영향。통과대용호-항목평분기록적분석,재비교pearson화jaccard상사성적기출상대상사성도량방법진행개진,병장해개진방법응용우MovieLens참점제공적수거집진행실증분석。실증연구표명,개진후적산법가이제고개성화추천적준학성,병재일정정도상극복수거희소성대추천질량적영향。
To measure the similarity of the users is the core of collaborative filtering algorithm. The similarity of users has a significant impact on the results of personalized recommendation. In this paper, method of similarity measurement is optimized through analyzing users-item rating records and comparing with pearson and jaccard similarity. This optimiza-tion method is applied to empirical analysis of the data set provided by the MovieLens site. Empirical studies show that the new algorithm can improve the accuracy of personalized recommendation and overcome the impact of data sparsity on recommendation quality to some extent.