一种面向协同过滤的快速最近邻居搜索方法

摘要：

针对协同过滤模型中寻找邻居集耗时,且部分邻居信息未能有效用于预测计算的问题,提出了一种快速搜寻最近邻居的方法.该方法改变了评分矩阵中数据组织方式,通过构建项目的用户评分列表和用户的项目评分列表,以此来筛选出对预测评分值产生影响的用户或项目,进而得到目标用户或项目的邻居集.该方法排除了不必要的相似性计算,提高了运算效率;而且还有效保证了预测计算中的邻居利用率,提高了推荐质量.在Movielens100k与Movielens1M两个数据集上的实验结果表明,所提出算法在运行时间、MAE、RMSE、F1值四个指标上均有较大提升.因此该算法在推荐系统领域具有良好的应用价值.

关键词：最近邻居搜索;协同过滤;推荐算法;邻居利用率;线上推荐

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部人文社科规划项目

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：96-105