10.3778/j.issn.1002-8331.2004-0123
基于KNN-GBDT的混合协同过滤推荐算法
针对传统基于单分类的推荐算法容易陷入"单指标最优"的困境和推荐精度低的问题,提出一种融合K-最近邻(KNN)和Gradient Boosting(GBDT)的协同过滤推荐算法.该算法利用K-最近邻法过滤出目标用户的多组候选最近邻居集,并综合集成学习的优点,采用多分类器对多组推荐结果进行集成.在相似度计算公式中引入了若只有单个用户评价的物品权重,以此获得更多目标用户的潜在信息.实验结果表明,该算法有效缓解了目标用户与候选最近邻居集之间的数据集稀疏性,提升了推荐精度.
协同过滤、推荐算法、多分类器、相似度
57
TP391(计算技术、计算机技术)
国家自然科学基金面上项目1772249
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
103-108