基于支持向量机回归的协同过滤相似度优化方法
2015-08-02吕成戍匡宇鹏
中国管理信息化 2015年5期
吕成戍,盖 印,匡宇鹏
(1.东北财经大学 管理科学与工程学院,辽宁 大连 116025
2.内蒙古中电物流路港有限责任公司赤峰铁路分公司,内蒙古赤峰 024000)
基于支持向量机回归的协同过滤相似度优化方法
吕成戍1,盖 印1,匡宇鹏2
(1.东北财经大学 管理科学与工程学院,辽宁 大连 116025
2.内蒙古中电物流路港有限责任公司赤峰铁路分公司,内蒙古赤峰 024000)
在基于属性相似性的协同过滤算法中,项目属性之间相似性的度量是整个算法的关键。现有算法在计算项目属性相似度时忽略了项目属性之间的非线性关系,导致相似性度量不准确,无法保证项目推荐精度。针对这一问题,本文提出一种基于支持向量机回归的协同过滤相似度优化方法,该方法利用支持向量机回归算法来构建项目属性相似度模型,解决项目属性的非线性关联问题,改善项目属性相似度计算。实验结果表明,优化方法计算出的项目相似性更准确,显著提高了系统的推荐质量。
支持向量机回归;项目属性相似性;协同过滤
0 引 言
协同过滤推荐是当前最成功的推荐技术之一[1],根据过滤操作对象的不同,协同过滤算法可以分为基于用户(User-based)[2]和基于项目(Item-based)[3]的算法。User-based协同过滤算法随着数据的不断增多,要从大量用户中寻找最近邻居用户的问题成为推荐系统发展的瓶颈,而Item-based协同过滤算法通过将计算用户之间的相似性转换为计算项之间的相似性的方法,有效地解决了这一问题。在Item-Based协同过滤算法中,项目之间相似性的度量是否准确,直接关系到整个推荐系统的推荐质量。……
登录APP查看全文
