基于单值中智集的协同过滤推荐算法

摘要：

为缓解推荐系统中用户模糊评价带来的推荐准确性低的问题,构建基于单值中智集的协同过滤推荐模型.首先,构建用户—项目评分矩阵,划分用户评分等级,并将用户评分按照单值中智计算公式转换得到评分对应的真值隶属度、不确定值隶属度、非真值隶属度.然后,引入极端评价计算公式,将其作为极端评分惩罚系数,得到基于单值中智数分数的相似度计算公式.最后,结合杰卡德相关系数得到最终用户相似度.基于单值中智集的协同过滤推荐方法在公开数据集MovieLens上比较验证,实验结果发现融合单值中智集的方法在RMSE、MAE评价指标上均比其他方法有2％～3％的提升,能够有效提高推荐精度,更好地处理模糊问题.

关键词：协同过滤;单值中智集;模糊评价;相似度;推荐系统

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金;哈尔滨商业大学青年科研项目

在线出版日期：2021-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3667-3672