基于单分类的协同过滤推荐算法

摘要：

随着电子商务推荐系统中用户和商品数目的增加,用户商品评分数据集的稀疏性会导致协同过滤推荐算法的推荐质量下降.针对该问题,提出一种基于单分类的协同过滤推荐算法.根据目标用户评分商品对应的类别,选择候选最近邻居集,采用单分类预测用户对商品的评分,以减小目标用户与候选最近邻居所形成的数据集稀疏性.实验结果表明,该算法能提高寻找最近邻居的准确性,从而改善协同过滤的推荐质量.

关键词：推荐系统、协同过滤、数据稀疏性、单分类、平均绝对偏差

所属期刊栏目：37

分类号：TP311(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60675030,60875029

在线出版日期：2012-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：59-61