作者:邓亚文; 罗可基于用户相似度计算基于物品协同过滤稀疏性问题
摘要:在协同过滤算法中,准确地找到相似用户是关键。稀疏数据问题常导致推荐性能低下,且推荐结果大都大量存在热门物品。文章基于物品(User-IIF)和用户(Item-IUF)的热门惩罚后的相似度计算方法,定义稀疏度的计算方式,并进行稀疏度加权来改善稀疏性问题,分别提出了两种融合后的协同过滤算法。改进后的两种融合算法更有效地利用了用户信息,提高了算法对降低热门物品干扰的效果,增加了推荐系统发现长尾物品的能力。实验采用MovieLens公开数据集,进行多次实验,实验结果表明改进后的两种融合算法在推荐结果的准确率和覆盖率上有显著提升,表明融合后的推荐算法在寻找相似用户或物品时表现得更高效。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社