基于朴素贝叶斯降噪的协同过滤算法

摘要：

协同过滤作为推荐系统中应用最为广泛的推荐算法,在如今信息时代的个性化推荐中占据了重要的地位.但是用来进行协同过滤推荐的初始评分数据集中,蕴含着大量的垃圾评分和无效信息.这些噪音数据始终影响着推荐结果的准确性.为了解决垃圾评分带来的推荐误差问题,提出用朴素贝叶斯算法来对数据集中的垃圾评分和无效信息进行数据降噪处理.朴素贝叶斯算法通过构建贝叶斯分类器的训练模型来计算待分类评论为垃圾评论的概率,和为正常评论的概率,并加以比较,来判断是否为垃圾评论.使用除去垃圾评论干扰的数据集进行基于项目的协同过滤推荐.实验结果证明这种方法能有效地满足不同用户、不同偏好的个性化推荐,同时具有更高的推荐精准度.

关键词：朴素贝叶斯、降噪、协同过滤、个性化推荐

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省科技厅自然科学基金资助项目20180550133;辽宁省教育厅科学技术研究项目LQN201710

在线出版日期：2019-07-09（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：43-48