基于项目属性和局部优化的协同过滤推荐算法

摘要：

针对数据稀疏性问题对于传统协同过滤推荐带来的影响,提出基于项目属性和局部优化的协同过滤推荐算法(collaborative filtering recommendation algorithm based on item attribute and local optimization,简称CUCF).算法首先改进j accard系数来优化评分的项目相似性；其次引入拉普拉斯平滑方法对基于项目属性的项目相似性进行优化；最后结合两方面的相似性结果,并且利用局部优化方法选择目标的近邻对象作为推荐群.实验结果表明,该算法减小了数据稀疏性对推荐结果的负面影响,有效地降低了预测结果的平均绝对误差 MAE.实验进一步对比了其他4种不同推荐方法,预测精度提高7.1%~15.5%,从而证明了 CUCF方法在预测准确率方面能够取得较好的效果.

关键词：拉普拉斯平滑、项目属性、局部优化、协同过滤

分类号：TP391(计算技术、计算机技术)

资助基金：国家863计划课题“多源异构数据集成与挖掘的关键技术研究”资助项目2012AA011005;国家自然科学基金资助项目61202227;安徽省自然科学基金资助项目1408085MF122

在线出版日期：2014-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：23-29