10.3969/j.issn.1000-386x.2019.02.003
一种融合用户与项目属性的协同过滤算法的设计与实现
针对传统的协同过滤算法存在数据稀疏、冷启动、推荐精度低等问题,提出一种充分融合用户与项目属性的协同过滤算法.利用项目属性和用户属性分别对用户相似度和项目相似度计算方法进行改进,并将用户和项目协同过滤进行组合加权,提高预测兴趣度的准确度.引入用户属性一项目类型偏好权重因子,利用天牛须搜索方法对兴趣度计算方法进行改进.实验结果表明:该算法能有效地缓解冷启动、数据稀疏对推荐系统的影响,且推荐精度有一定的提高.与传统的项目和用户协同过滤算法相比,召回率分别提高了8.65%和3.39%.
协同过滤、用户属性、项目属性、相似度、兴趣度、推荐算法
36
TP391(计算技术、计算机技术)
辽宁省博士启动基金项目20170520098
2019-05-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
12-18,102