基于热门度修正因子和置信度的协同过滤算法

摘要：

协同过滤算法作为推荐系统的核心算法,其思想是运用用户的历史数据去挖掘用户的兴趣爱好.由于热门项目在传统协同过滤算法的计算过程中会被过分考虑,不能更好地反映用户的真实需求,并且该算法在收集用户评分信息时还存在数据稀疏性的问题,提出了一种结合热门度修正因子和置信度的协同过滤算法.在修正余弦相似度计算公式中引入Jaccard函数来缓解评分矩阵的稀疏性,为了抑制热门项目对实际推荐效果的影响,将热门度修正因子引入到皮尔逊相似度计算公式中,最终相似度计算公式是通过上述改进的公式按照权重进行融合所生成.在公开数据集上验证了引入因子的相似度计算公式以及最终改进相似度计算公式的有效性,从结果中可以清晰地看出其平均绝对误差MAE(Mean Absolute Error)有所降低.

关键词：协同过滤算法、数据稀疏、热门度修正因子、余弦相似度、置信度

所属期刊栏目：33

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金61801240

在线出版日期：2023-05-06（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：127-132