基于用户的协同过滤算法的推荐效率和个性化改进

基于用户的协同过滤算法的推荐效率和个性化改进

ID:31061541

大小:920.00 KB

页数:6页

时间:2019-01-06

基于用户的协同过滤算法的推荐效率和个性化改进_第1页
基于用户的协同过滤算法的推荐效率和个性化改进_第2页
基于用户的协同过滤算法的推荐效率和个性化改进_第3页
基于用户的协同过滤算法的推荐效率和个性化改进_第4页
基于用户的协同过滤算法的推荐效率和个性化改进_第5页
资源描述:

《基于用户的协同过滤算法的推荐效率和个性化改进》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于用户的协同过滤算法的推荐效率和个性化改进王成1,2朱志刚1孙成柱1陈维斌1骆翔宇1张玉侠1苏芳芳11(华侨大学计算机科学与技术学院,福建厦门361021)2(西安交通大学机械强度与振动国家重点实验室,陕西西安710049)Email:wangcheng@hqu.edu.cn摘 要:针对传统的基于用户的协同过滤算法存在的推荐效率、精度和个性化低的问题,本文提出了一种改进方法。该方法在计算用户评分矩阵时,考虑到用户评分矩阵稀疏性,建立项目-用户的倒查表,只计算有相同评分项的用户之间的相似度,避免了传统方法中对所有用户计算两两用户相似

2、度的庞大工作量。该方法在计算用户相似度时,考虑到项目的热门程度不同,“惩罚”了用户共同兴趣列表中的热门项目,避免了传统方法中赋予所有项目相同权值对推荐结果个性化的负面影响。本文在详细分析了改进的用户协同过滤算法的原理和优点,给出了其推荐步骤流程图。在Movielens100K和HetRec2011-movielens-2k公开数据集上,十折交叉验证的结果表明,改进后的算法节约了运行时间,提高了推荐算法的效率和个性化。关键词:基于用户的协同过滤;个性化推荐;相似度计算;用户评分矩阵;数据稀疏性;项目-用户倒查表;十折交叉验证中图法分类

3、号:TP393   文献标识码:AAnImprovementinRecommendationEfficiencyandPersonalizedofUser-basedCollaborativeFilteringAlgorithmWANGCheng1,2,ZHUZhi-gang1,SUNCheng-zhu1,CHENWei-bin1,LUOXiang-yu1,ZHANGYu-xia1,SUFang-fang11(CollegeofComputerScienceandTechnology,HuaqiaoUniversity,Xiamen

4、361021,China)2(StateKeyLaboratoryforStrengthandVibration,Xi’anJiaotongUniversity,Xi’an710049,China)Abstract:Aimingatlowefficiency,precisionandpersonalizedofrecommendationexistingintraditionaluser-basedcollaborativefilteringalgorithm,animprovementrecommendationalgorithm

5、isputforwardinthispaper.Consideringdatasparsenessofuser-rating-datamatrix,thisimprovementrecommendationalgorithmintroducesitems–usersinversiontable,andonlycalculatesusers’similarityofwhomwiththesameratingitemsinuser-rating-datamatrix.Therefore,itcanavoidhugeworkload,wh

6、ichisbroughtbythepair-wiseusers'similaritycalculationintraditionalmethod.Consideringdifferenthotdegreeofitemsinusers'similaritycalculation,thisimprovementrecommendationalgorithmpunishestheinfluenceofpopularitemsonuserscommoninterestlistsforsimilarity.Therefore,itcanavo

7、idnegativeinfluenceofpopularitemsinrecommendationresultspersonalized,whichisbroughtbygivingthesameweightofallitemsintraditionalmethod.Afteranalyzingprinciplesandadvantagesofimproveduser-basedcollaborativefilteringalgorithm,newrecommendationstepsandflowchartaregiven.The

8、experimentresultsof10-foldcross-validationinMovielens100KandHetRec2011opendatasetsshowsthatimprovedalgorithmcouldsave

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。