采用Sigmoid函数的Web服务协同过滤推荐算法

摘要：

协同过滤推荐技术被广泛用于各个推荐系统,但它仍然存在着用户评分数据稀疏性问题,可能导致推荐结果不准确.针对该问题,提出了一种采用Sigmoid函数的协同过滤推荐算法.首先,分析用户兴趣与其调用服务的次数之间的关系,利用TF-IDF算法计算用户对服务内容的兴趣度;其次,定义一个Sigmoid函数,根据服务调用次数计算用户对服务功能的兴趣度;最后,基于内容兴趣度和功能兴趣度计算用户兴趣相似度完成协同过滤算法,实现个性化的服务推荐.实验证明,该方法能有效缓解数据稀疏性问题,提高了推荐质量.

关键词：协同过滤、Sigmoid函数、数据稀疏性、推荐系统、用户兴趣

所属期刊栏目：11

分类号：TP301(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61572186,61572187;the Scientific Research Fund of Education Department of Hunan Province under Grant No.15K043;the Project of State Key Laboratory for Novel Software Technology at Nanjing University under Grant No.KFKT2015B04

在线出版日期：2017-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：314-322