基于近邻关系的个性化推荐算法研究

被引：4

作者：

李慧 ^{[1
]}

胡云 ^{[1
,2
]}

李存华 ^{[1
]}

王霞 ^{[1
,2
]}

机构：

[1] 淮海工学院计算机工程学院

[2] 南京大学信息工程学院

来源：

计算机工程与应用 | 2012年 / 48卷 / 36期

关键词：

推荐系统; 最近邻; 用户相似性; 维数简化;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

协同过滤是目前电子商务推荐系统中广泛应用的最成功的推荐技术,但面临严峻的用户评分数据稀疏性和推荐实时性挑战。针对协同过滤中的数据稀疏问题,提出了一种基于最近邻的个性化推荐算法。通过维数简化技术对评分矩阵进行优化,降低数据稀疏性;采用一种新颖的相似性度量方法计算目标用户的最近邻居,产生推荐预测。实验结果表明,该算法有效地解决了数据稀疏,提高了推荐系统的推荐质量。

引用

页码：205 / 209

页数：5

共 7 条

[1] 通过相似度支持度优化基于K近邻的协同过滤算法 [J].

罗辛 ;

欧阳元新 ;

熊璋 ;

袁满 .

计算机学报, 2010, 33 (08) :1437-1445

[2] 电子商务推荐系统中的协同过滤推荐 [J].

游文 ;

叶水生 .

计算机技术与发展, 2006, (09) :70-72

[3] 使用BP神经网络缓解协同过滤推荐算法的稀疏性问题 [J].

张锋 ;

常会友 .

计算机研究与发展, 2006, (04) :667-672

[4] 一种基于粗集的协同过滤算法 [J].

张巍 ;

刘鲁 ;

葛健 .

小型微型计算机系统, 2005, (11) :101-104

[5] 个性化推荐算法设计 [J].

赵亮 ;

胡乃静 ;

张守志 .

计算机研究与发展, 2002, (08) :986-991

[6] A new approach for combining content-based and collaborative filters [J].

Kim, Byeong Man ;

Li, Qing ;

Park, Chang Seok ;

Kim, Si Gwan ;

Kim, Ju Yeon .

JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2006, 27 (01) :79-91

[7]

Using singular value decomposition approximation for collaborative filtering .2 Zhang S,Wang W H,Ford J,et al. Proceedings of 7th IEEE International Conference on E-commerce Technology . 2005

← 1 →