APP下载

基于评分合理因子的协同过滤推荐算法研究

2016-06-28张震,华钢

宿州学院学报 2016年5期

张 震,华 钢

1.中国矿业大学信电学院,江苏徐州,221008;2.淮北师范大学计算机科学与技术学院,安徽淮北,235000

基于评分合理因子的协同过滤推荐算法研究

张震1,2,华钢1

1.中国矿业大学信电学院,江苏徐州,221008;2.淮北师范大学计算机科学与技术学院,安徽淮北,235000

摘要:研究了协同过滤推荐算法中评分矩阵的稀疏性特征,调查并分析了用户评分尺度的差异问题。为了提高过滤推荐算法的推荐精度,采用评分合理因子进行算法的改进,构建基于评分合理因子的协同过滤推荐模型及改进的协同过滤推荐算法RFCF。实验证明,清洗掉评分不合理的用户不能提高预测准确性,反而会使准确性大大降低;而采用评分合理因子修正相似度计算的准确性,可以明显提高预测精度和执行效率,并且在评价矩阵稀疏情况较严重的情况下也能够收到较好的效果。

关键词:评分合理因子;相似度度量;评分预测;协同过滤推荐

随着电子商务、社交网络、慕课、P2P应用和云计算等技术迅速普及,互联网信息资源的规模迅速扩大,在海量的信息中,人们要准确有效地甄选自己所需要的信息越来越困难。个性化推荐系统就是解决这一问题的有效方法之一。协同过滤推荐是现行推荐系统中应用最广泛的技术之一。协同过滤分析用户兴趣,在用户群中找到与指定用户具有相似兴趣的用户集,根据用户集中的这些相似用户的观点推导出对目标用户的推荐列表,形成推荐系统对用户喜好程度的预测[1-2]。……

登录APP查看全文