基于商品属性值和用户特征的协同过滤推荐算法

摘要：

为了提高用户相似度计算精度和推荐准确性,缓解数据稀疏性,提出一种基于商品属性值和用户特征的协同过滤推荐算法.该算法首先从用户对商品属性值的偏好出发,计算用户对商品属性值的评分分布和评分期望值,得到用户-属性值评分矩阵;同时利用数据相似性度量方法寻找用户特征邻居,填充用户-属性值评分稀疏矩阵,进而得出目标用户偏好的最近邻居集;计算用户对未评属性值的评分,将目标用户对商品所有属性值评分的均值进行排序,形成该用户的Top-N推荐列表.采用Movie Lens和Book Crossing数据集进行实验,结果表明该算法在缓解数据稀疏性问题上效果较好,推荐精度显著提高.

关键词：商品属性值、评分期望值、用户特征、协同过滤

所属期刊栏目：39

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71272191;黑龙江省自然科学基金G201301;黑龙江省高等学校哲学社会科学创新团队建设计划TD201203;云计算联盟创新模式及管理对策研究”LBH-Z15048;黑龙江省博士后基金LBH-Z14068

在线出版日期：2018-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2333-2339