基于社交关系和条件补全的协同过滤推荐算法

摘要：

针对传统协同过滤算法中存在数据稀疏、数据冗余和算法效率低等问题,提出一种基于社交关系和条件补全的协同过滤推荐算法.该算法将社交关系数据应用到矩阵补全过程中,减小原始矩阵的稀疏度,同时提高补全数据的精确度;在项目相似性计算时,条件性地选择参与计算的向量数据,减少数据的冗余度,并降低算法的时间复杂度.实验结果表明,改进算法的推荐准确率明显提高.

关键词：社交关系、条件补全、协同过滤、推荐准确率

所属期刊栏目：55

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61272209

在线出版日期：2017-12-06（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：1244-1248