基于用户相似性传递的协同过滤推荐方法
随着Web服务量日益剧增,如何推荐给用户符合其期望的服务尤为重要.协同过滤是服务推荐系统中应用较广泛的算法,但协同过滤往往存在数据稀疏问题.针对该问题,文中提出了一种基于用户相似性传递的协同过滤推荐算法,通过改进的皮尔逊相关系数计算出用户间的相似性,利用用户相似性构建相似性网络,并根据用户等级、最短路径和六度分隔理论进行用户间的相似性传递,以此增加目标用户的相似用户的数量,缓解了数据稀疏问题,然后根据传递填充过的用户相似网络进行服务的评分预测.最后以美团网的真实数据进行了实验,实验结果表明文中提出方法一定程度上可以提高推荐结果的准确性.
协同过滤、服务推荐、数据稀疏、用户相似性
49
TP311(计算技术、计算机技术)
国家重点基础研究发展计划(973计划);国家自然科学基金;国家自然科学基金;中国博士后科学基金;河南省科技研发专项;湖北省重点实验室开放基金;河南大学科研项目
2019-04-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
61-68