一种改进的协同过滤推荐算法

摘要：

推荐系统在电子商务中应用广泛,协同过滤是推荐系统中应用最为成功的推荐技术之一.随着电子商务系统数据不断增加,用户-项目评分矩阵稀疏性问题日趋明显,成为推荐系统的瓶颈.本文提出基于LDA的协同过滤改进算法,提升稀疏评分矩阵下的推荐质量.首先,根据用户与项目评分矩阵,建立LDA模型,得到用户-项目概率矩阵,作为协同过滤的原始数据;然后根据属性对项目聚类,对用户-项目概率矩阵进行裁剪;最后,考虑上下文信息,在传统协同过滤相似度计算基础上,通过引入时间因子函数改进相似度计算公式.在Movie Lens数据集上的实验结果表明,本文提出模型的MAE指标优于传统协同过滤算法.

关键词：LDA、协同过滤、聚类、相似度计算、时间因子

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61370091;国家科技支撑计划项目2015BAB07B00

在线出版日期：2017-05-16（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：1-4,12