基于二阶段相似度学习的协同过滤推荐算法

摘要：

针对传统的基于最近邻协同过滤推荐算法中计算相似度存在的缺陷, 提出了一种基于二阶段相似度学习的协同过滤推荐算法, 该算法旨在通过较少的迭代计算改善推荐算法性能。它以既约梯度法迭代寻优为主、最近邻算法为辅, 通过邻居的海选和精选, 最终提高了相似度的计算精度, 改善了误差性能。实验表明, 在一定条件下该算法不仅在误差性能上优于传统的推荐算法, 而且其算法收敛速度快, 可实现相似度参数动态调整和分布式计算。

关键词：二阶段、相似度学习、协同过滤、既约梯度法、K-最近邻算法

所属期刊栏目：30

分类号：TP311(计算技术、计算机技术)

资助基金：国家“863”计划资助项目2011AA040605

在线出版日期：2013-05-03（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：715-719