作者:兰小春; 姚树廷; 崔国红协同过滤用户兴趣数据稀疏性推荐准确性
摘要:协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户一项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过LogitBoost算法将2个兴趣模型融合得到准确的用户兴趣模型。Slope One算法填充用户一项目评分矩阵,解决用户一项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社