王桐，曲桂雪



基于柯西分布量子粒子群的混合推荐算法

王桐，曲桂雪

(哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨，150001)

协同过滤推荐算法是最经典、应用最成功的推荐算法之一，但该算法在数据稀疏性、冷启动和时间因素等方面还存在一定问题，于是，提出一种基于柯西分布量子粒子群的混合推荐算法。该算法首先构建基于时间因子的混合推荐模型，再利用柯西分布量子粒子群算法搜索模型中的最优参数组合，其中，混合推荐模型通过把用户和项目的属性信息添加到协同过滤推荐算法中，并引入能够代表用户兴趣迁移特性的时间因子构建而成。最后，与人工蜂群算法(ABC)以及基本粒子群算法(PSO)进行比较。研究结果表明：在提高推荐准确度、缓解数据稀疏性以及冷启动等方面，本文提出的算法优于其他算法。

推荐算法；柯西分布量子粒子群；数据稀疏；冷启动；时间因子

互联网的发展将我们带入了一个大数据信息化的时代，给人们带来方便的同时，也使人们在选择所需信息时显得力不从心，于是，推荐系统应运而生，并得到广泛关注和应用[1]。目前，主流的推荐算法有基于规则、内容、协同过滤以及混合推荐等，这些推荐算法通常存在如忽略用户兴趣的时效性、数据稀疏性以及冷启动等缺陷[2]。专家学者不断探索，提出不少改进算法，如Jeong等[3]提出依据用户可信度进行推荐的方法，并证明该方法在解决冷启动问题上具有良好的效果；……