基于BM25聚类与巴氏系数相似度改进的推荐算法

作     者：程苗 陈海龙 孙海娇 闫五岳 CHENG Miao;CHEN Hailong;SUN Haijiao;YAN Wuyue

作者机构：哈尔滨理工大学计算机科学与技术学院哈尔滨150080 

基　　金：哈尔滨市科技创新人才研究专项资金项目(2017RAQXJ045) 国家自然科学基金资助项目(61772160) 

出 版 物：《黑龙江大学自然科学学报》 (Journal of Natural Science of Heilongjiang University)

年 卷 期：2020年第37卷第5期

页      码：610-616页

摘      要：推荐算法的目的是给用户推荐潜在的感兴趣的物品和信息,在传统的算法设计中,由于数据稀疏和冷启动等因素往往给推荐带来较大误差,依靠传统的用户项目数据评分来计算相似度已经难以达到让人满意的推荐效果。本文引入BM25算法对计算用户和词素之间的相关性得分具有较准确效果。在用户项目评分矩阵和项目关键词矩阵的基础上,形成用户关键词矩阵,挖掘出用户对关键词的喜爱,继而完成用户兴趣聚类。引入巴氏系数,可以解决用户在没有共同评分项目情况下用户相似度计算问题。利用巴氏系数改进相似度,在类簇中找到与用户最相似的邻居集,产生有效推荐。对MovieLens数据集进行实验的结果表明,无论在准确率或召回率等实验测评中,该算法相比于传统的基于用户和基于物品等协同算法的实验结果都显著提高。

主 题 词：聚类 BM25 巴氏系数 兴趣矩阵 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.13482/j.issn1001-7011.2020.07.013

馆 藏 号：203991748...