使用BP神经网络缓解协同过滤推荐算法的稀疏性问题

被引：83

作者：

张锋

常会友

机构：

[1] 中山大学信息科学与技术学院

来源：

计算机研究与发展 | 2006年 / 04期

基金：

广东省自然科学基金;

关键词：

电子商务; 数据挖掘; 推荐系统; 协同过滤; BP神经网络; 算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

推荐质量低是协同过滤推荐技术面临的主要难题之一.数据集的极端稀疏是造成推荐质量低的主要原因之一.常见的降维法和智能Agent法虽然某种程度上能缓解这个问题,但会导致信息损失和适应性等问题.设计了一个新的协同过滤算法,根据用户评分向量交集大小选择候选最近邻居集,采用BP神经网络预测用户对项的评分,减小候选最近邻数据集的稀疏性.该算法避免了降维法和智能Agent法的缺点,而且实验结果表明,该方法能提高预测值的准确度,从而提高协同过滤推荐系统的推荐质量.

引用

页码：667 / 672

页数：6