基于精确欧氏局部敏感哈希的改进协同过滤推荐算法

摘要：

针对经典协同过滤推荐算法中用户评分数据的规模大、高稀疏度以及直接进行相似度计算实时性差等问题,提出基于p-stable分布的分层精确欧氏局部敏感哈希(E2LSH)算法.利用E2LSH算法查找相似用户,在得到相似用户后使用加权平均方法对用户未评分项目进行评分预测,从而提高推荐结果的准确性.实验结果表明,与基于局部敏感哈希的协同过滤推荐算法相比,该算法具有较高的运行效率及推荐准确率.

关键词：精确欧氏局部敏感哈希、相似度、排序、协同过滤、推荐系统

所属期刊栏目：43

分类号：TP393(计算技术、计算机技术)

在线出版日期：2017-05-10（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：74-78