作者：岳希; 唐聃; 舒红平; 安义文稀疏性推荐算法相似度优化
摘要：针对根据用户的活动行为向其推荐感兴趣项目的协同过滤推荐算法,随着用户数量和项目数量增多,用户在单一项目上的活动行为减少,导致推荐质量不佳的问题,本文提出了在数据稀疏的情况下提高推荐质量的优化算法。将基于项目和基于用户的推荐方法相结合,根据用户之间的相似度初步预测用户对项目的评分,再基于项目之间的相似度产生推荐;在填补未评分的空缺值时,将平均值与预测值相结合;在计算相似度时,考虑用户之间共同评分的项目数权重和项目之间被用户共同评分的用户数权重。实验首先对比了几种基本推荐算法的推荐效果以选取较佳的基本算法进行研究,接着将本文提出的优化算法与其他算法进行了对比,最后不同程度地增加数据稀疏性进一步进行对比。结果表明:在优化算法的实验中,本文提出的优化算法一直具有较好的推荐效果;在数据稀疏性改变的实验中,随着数据稀疏度的增大,本文提出的优化算法推荐效果更具有明显优势。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
