概率粗糙集模型在推荐算法中的应用

摘要：

推荐算法能够挖掘用户的潜在兴趣将项目自动地推荐给客户,是解决信息过载的智能手段之一.由于网络中的用户数和项目数较多,评分矩阵的稀疏性严重影响了推荐效果,推荐的先验知识缺失严重.粗糙集是一种可以使用不完备的知识实施推理的有效方法,使用概率粗糙集的α、β阈值合理划分边界域,生成推荐策略,降低评分矩阵稀疏性对推荐结果的影响.实验结果表明:概率粗糙集模型能够有效提高在评分矩阵非常稀疏的情况下的推荐准确率,其在Movie Lens数据集上的推荐准确率最高达到92.80％,覆盖率最高达100％.

关键词：概率粗糙集、推荐算法、参数学习

所属期刊栏目：48

分类号：TP301(计算技术、计算机技术)

资助基金：2015年度安徽高校自然科学研究重点项目KJ2015A435;安徽省2016年高校优秀青年人才支持计划重点项目gxyqZD2016570;安徽省2014年高校优秀青年人才支持计划

在线出版日期：2017-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：192-198