基于领域最近邻的协同过滤推荐算法

被引：91

作者：

李聪 ^{[1
]}

梁昌勇 ^{[1
]}

马丽 ^{[2
]}

机构：

[1] 合肥工业大学管理学院

[2] 西华师范大学商学院

来源：

计算机研究与发展 | 2008年 / 09期

基金：

高等学校博士学科点专项科研基金;

关键词：

协同过滤; 推荐算法; 领域最近邻; 用户相似性; 平均绝对误差;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

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.针对上述问题,提出了基于领域最近邻的协同过滤推荐算法,以用户评分项并集作为用户相似性计算基础,将并集中的非目标用户区分为无推荐能力和有推荐能力两种类型;对于前一类用户不再计算用户相似性以改善推荐实时性,对于后一类用户则提出"领域最近邻"方法对并集中的未评分项进行评分预测,从而降低数据稀疏性和提高最近邻寻找准确性.实验结果表明,该算法能有效提高推荐质量.

引用

页码：1532 / 1538

页数：7

共 6 条

[1] 适应用户兴趣变化的协同过滤推荐算法 [J].