一种综合用户和项目因素的协同过滤推荐算法

摘要：

针对用户评分数据极端稀疏情况下传统协同过滤推荐算法的不足,提出了一种综合用户和项目因素的最近邻协同过滤推荐(HCFR)算法.该算法首先以一种改进的相似性度量方法(ISIM)为基础,根据当前评分数据的稀疏情况,动态调节相似度的计算值,真实地反映彼此之间的相似性.然后,在产生推荐时综合考虑用户和项目的影响因素,分别计算目标用户和目标项目的最近邻集合.最后,根据评分数据的稀疏情况,自适应地调节目标用户和目标项目的最近邻对最终推荐结果的影响权重,并给出推荐结果.实验结果表明,与传统的只基于用户或基于项目的推荐算法相比,HCFR算法在用户评分数据极端稀疏情况下仍能显著地提高推荐系统的推荐质量.

关键词：协同过滤推荐、数据稀疏、相似性、评分预测

所属期刊栏目：40

分类号：TP312(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60973023

在线出版日期：2010-12-17（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：917-921