10.3969/j.issn.1002-137X.2012.12.034
基于项目聚类的全局最近邻的协同过滤算法
用户评分数据极端稀疏的情况下,传统相似性度量方法存在弊端,导致推荐系统的推荐质量急剧下降.针对此问题,提出了一种基于项目聚类的全局最近邻的协同过滤算法.该算法根据项目之间的相似性进行聚类,使得相似性较高的项目聚成一类,在项目聚类集的基础上,计算用户的局部相似度,使用一种新的最近邻用户全局相似度作为衡量用户间相似性的标准;其次,给出了一种利用重叠度因子来调节局部相似度的方法,以更准确地刻画用户之间的相似性.实验结果表明,该算法可以提升预测结果的准确性,提高推荐质量,特别是在数据较为稀疏时,改善尤为明显.
推荐系统、协同过滤、聚类、全局相似性、重叠度因子
39
TP391.4(计算技术、计算机技术)
国家973项目2012CB114505;国家杰出青年基金项目31125008;江苏省自然科学基金项目BK2009393;江苏省青蓝工程学术带头人项目CXLX11_0525;南京林业大学科技创新项目163070079;江苏高校大学生创新计划项目164070742
2013-01-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
149-152