综合用户特征及专家信任的协作过滤推荐算法

摘要：

协作过滤推荐算法是推荐系统中应用最广泛的算法之一.通过分析传统协作过滤算法中由数据稀疏性导致的推荐精度不高的问题,在基于专家信任的协作过滤推荐算法的基础上,提出了一种综合用户特征及专家信任的协作过滤推荐算法.该算法分析了用户的不同特征,比较了用户与专家的相似度,通过计算用户-专家相似度矩阵,有效降低了数据集的稀疏性,提高了预测的准确性.在MovieLens数据集上的实验结果表明,改进的算法能够有效缓解冷启动问题,明显提高了系统的推荐精度.

关键词：专家信任、用户特征、协作过滤

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61462022

在线出版日期：2017-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：103-106