基于结构相似性的协同过滤推荐算法
评分向量的高维、稀疏,使得传统相似性度量方法的准确性较差.提出一种新的相似性计算方法一两阶段相似性计算算法.首先定义评分差异和差异确定度,得到用户偏好相似性;然后根据偏好相似性计算用户间的结构相似性,使用结构相似性对用户初始相似关系进行修正,使相似性计算结果更加合理.将本文方法应用于协同过滤推荐,在MovieLens数据集上进行了实验.实验结果表明,与传统的相似性度量方法相比,新方法具有更高的准确性,可以显著提高协同过滤算法的推荐质量.
推荐系统、协同过滤、结构相似性、精确率
36
TP311(计算技术、计算机技术)
国家自然科学基金项目71271072;上海市教育委员会科研创新项目15ZS064;上海电力学院科研基金项目K2014-037
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
2266-2269