一种基于Sigmoid函数的改进协同过滤推荐算法

摘要：

随着电子商务和社交网络的蓬勃发展,推荐系统逐渐成为数据挖掘领域的重要研究方向.推荐系统能够从海量信息中定位用户兴趣点,提供个性化服务.协同过滤算法能够有效分析用户偏好,提供合适的推荐服务.针对评分矩阵稀疏时传统协同过滤算法性能很差的问题,提出一种基于Sigmoid函数的改进推荐系统算法.利用Sigmoid函数对不同项目进行建模,得到项目的平均受欢迎程度；利用Sigmoid函数对不同用户进行建模,将评分映射为用户对项目的喜好程度；根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测.在两组真实数据集合上的实验结果表明,该算法较好地解决了数据稀疏性问题,能够有效提高传统算法的预测准确性.

关键词：推荐系统、协同过滤、稀疏性问题、Sigmoid函数

所属期刊栏目：30

分类号：TP18;TP301.6(自动化基础理论)

资助基金：国家"973"计划资助项目2012CB315901;国家"863"计划资助项目2011AA01A103

在线出版日期：2013-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1688-1691