基于四部图的协同过滤推荐算法比较研究

摘要：

推荐系统通常利用商品属性、用户信息以及用户对商品的已有评分来获取用户或者商品之间的相似度,进而预测未知评分.构造了关于这些信息的四部图,然后根据图中不同部分的组合获得了10类推荐算法,并比较了它们的时间复杂度.前两类算法基于用户与商品之间的关系,为经典的协同过滤算法.中间4类算法以用户或商品为中心,利用相应的标签信息进行相似度的计算并预测评分.后4类算法为中间4类算法的部分拓展,进一步考虑了评分信息.以MAE(mean absolute error)和RMSE(root-mean-square error)为评价指标,在两个MovieLens数据集上的测试结果表明,商品之间的相似度比用户之间的相似度更可靠,商品标签也比用户标签更有用,而且某些信息的简单线性组合可以提高推荐质量.

关键词：推荐系统、协同过滤、四部图、协同过滤标签

所属期刊栏目：11

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No. 61379089;the Natural Science Foundation of Department of Education of Sichuan Province under Grant No. 16ZA0060

在线出版日期：2017-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：875-886