文章摘要
基于用户兴趣的动态近邻协同过滤算法
  
DOI:
中文关键词: 协同过滤  项目标签  用户兴趣  动态近邻  矩阵稀疏性
英文关键词: 
基金项目:湖南省自然科学基金资助项目(2017JJ2081);湖南省教育厅科学研究资助项目(17C0646)
作者单位
陈汝,符琦* 湖南科技大学 计算机科学与工程学院,湖南 湘潭 411201 
摘要点击次数: 697
全文下载次数: 
中文摘要:
      为了帮助人们从大量互联网资源中找到感兴趣的信息,推荐系统由此而生.其中,应用最广泛,也是最早出现的推荐算法包括协同过滤算法,但是该算法还存在着许多不足之处.该算法主要考虑用户的评分数据,未能结合项目进行考虑,同时在选取当前用户的最近邻用户时,通常统一规定了近邻用户数目,没有结合每个用户的实际数据,导致推荐的效果无法取得最优.因此,本文在充分考虑用户评分的情况下,还结合项目信息加入了用户的兴趣偏好,提出了一种基于用户兴趣的动态近邻协同过滤算法.综合用户的标签数据和评分数据来计算相似度,可以很好的缓解仅依靠评分数据带来的稀疏性问题.同时在得到用户之间的相似度之后,设定2个阀值,分布选取最近邻用户.只有当用户间相似度超过阈值,该用户才会被选择为最近邻的用户,动态的找到每一个用户的严格最近邻用户.通过实验,与常用的协同过滤算法相比,本文提出的算法推荐的误差更小,并且为以后的研究工作奠定了基础.
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭