融合信息熵与兴趣度的协同过滤算法

摘要：

为提高推荐系统的推荐质量,减小用户评分数据稀疏性对推荐效果的不良影响,提出了一种结合加权信息熵与兴趣度的协同过滤推荐算法.此算法全面考虑公共评分项目数、评分数值差异与数值变化趋势三个方面的因素,结合加权信息熵与用户兴趣度,使度量用户间相似度变得更加准确.仿真实验结果表明:所提算法比基于Pearson相关性系数以及余弦相似性的推荐算法具有更小的平均绝对误差,表明了其可行性和有效性.

关键词：协同过滤、信息熵、用户兴趣度、Pearson系数

所属期刊栏目：45

分类号：TP391.3(计算技术、计算机技术)

资助基金：西华大学研究生创新基金项目ycjj2015192;四川省科技厅技术创新工程专项2014ZZ0026

在线出版日期：2017-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：338-342