融合用户相似度与评分信息的协同过滤算法

作     者：乔雨 李玲娟 QIAO Yu;LI Lingjuan

作者机构：南京邮电大学计算机学院江苏南京210023 

基　　金：国家自然科学基金(61302158 61571238)资助项目 

出 版 物：《南京邮电大学学报（自然科学版）》 (Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition)

年 卷 期：2017年第37卷第3期

页      码：100-105页

摘      要：推荐系统利用机器学习的技术进行信息过滤,准确地定位用户需要的信息,并且能够预测用户对目标项目的喜好程度。但是由于新用户和新项目的存在,传统的协同过滤推荐系统面临着冷启动问题的挑战。为了解决协同过滤推荐系统中用户冷启动问题,设计了融合用户相似度与评分信息的协同过滤算法(SR-CF)。该算法用基于人口统计学的推荐算法找出用户基本信息之间的相似度,再根据最速下降法对用户评分矩阵进行更新,从而产生对目标用户的推荐。基于Moive Lens公开数据集的实验结果表明,所设计的算法在保证推荐准确率的同时提高了推荐的覆盖率,能有效解决用户冷启动问题。

主 题 词：推荐系统 用户冷启动 人口统计学 评分信息 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.14132/j.cnki.1673-5439.2017.03.014

馆 藏 号：203237241...