协同过滤推荐算法在豆瓣网络数据上的研究

摘要：

在豆瓣网络数据上对传统的协同过滤推荐算法进行改进，分别考虑最近邻和有向相似度方向的作用，对图书、电影和音乐收藏列表进行个性化推荐。推荐的结果在准确度、多样性和新奇性三种被广泛使用在衡量推荐算法效果的指标上进行比较和分析。结果表明，相比传统协同过滤推荐算法，两种改进算法均能够保证多样性和新奇性，同时最近邻算法可有效降低算法复杂度，而有向相似度算法则具有更高的推荐准确度。

关键词：复杂网络、推荐算法、协同过滤、最近邻、有向相似度

分类号：TP3;TS2

资助基金：国家自然科学青年基金61004097;国家自然科学基金61273232

在线出版日期：2014-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：18-24