基于KL散度的用户相似性协同过滤算法

摘要：

大多数用户相似性算法在计算用户相似性时只考虑了用户间的共同评分项,而忽略了用户其他评分中可能隐藏的有价值信息.为了准确评估用户间的相似性,提出了一种基于KL散度的用户相似性协同过滤算法.该算法不仅利用了共同评分项,还考虑了其他非共同评分信息的影响.该算法充分利用了用户的所有评分信息,提高了用户相似性度量的可靠性和准确性.实验结果表明,该算法优于当前主流的用户相似性算法,且在没有共同评分信息的条件下,仍能有效地完成用户相似性度量,解决了对共同评分项的完全依赖问题,具有更好的适应性.

关键词：协同过滤算法、用户相似性、KL散度、共同评分信息、数据稀疏

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61472464;国家社会科学基金项目14CTQ026;重庆市自然科学基金项目cstc2015jcyjA10081

在线出版日期：2017-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：110-114