一种改进的基于兴趣相似度推荐算法

作     者：柯翔敏 陈江 罗光华 KE Xiangmin;CHEN Jiang;LUO Guanghua

作者机构：华侨大学网络与教育技术中心福建厦门361021 

基　　金：福建省中青年教师科研项目(JZ180187 JZ180193) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2020年第46卷第8期

页      码：78-84页

摘      要：协同过滤推荐算法通过对用户行为进行相似度计算来实现目标推荐,但传统协同过滤算法的相似度计算存在一定的失真性。针对该问题,依据越不流行的物品兴趣分配权重越大的思想,提出逆流行度与共同兴趣项的概念,并设计一种相似度计算方法。在相似度计算时降低流行度高的物品的权重,从而减小热门物品对用户个性化的影响,同时提高共同兴趣数量对相似度影响的权重。在此基础上,建立一种新的推荐模型从而为目标用户推荐相似度最高的用户集。在数据集MovieLens上的实验结果表明,该相似度计算方法能够取得较好的推荐效果,其精确率、召回率及F1值优于Cosin、Pearson和Corrcosin方法。

主 题 词：推荐算法 协同过滤 相似度 兴趣分配 逆流行度 共同兴趣项 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.19678/j.issn.1000-3428.0054596

馆 藏 号：203964703...