基于扩展邻居的协同过滤算法

摘要：

协同过滤算法是目前最主要的个性化推荐算法之一,它根据当前用户的最近邻居集所给出的评分来预测该用户对未评分项的评分.评分数据的稀疏性会影响协同过滤算法的推荐精度,为此我们提出了基于扩展邻居的协同过滤算法,在现有相似性计算的基础上通过扩展目标用户的邻居来获得更多的参考信息,从而提高预测结果的准确性.我们使用公共数据集MovieLens进行了实验,三种评价指标的统计结果显示,我们的方法要优于传统的协同过滤算法.

关键词：协同过滤算法、个性化推荐、稀疏数据、扩展邻居

所属期刊栏目：29

分类号：TP3;F28

资助基金：国家自然科学基金资助项目70431001,70620140115,70771019;国家高技术研究发展计划863计划资助项目2008AA04Z107

在线出版日期：2010-06-12（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：443-448