期刊文献+

基于混合相似度的协同过滤推荐

下载PDF
导出
摘要 user-based协同过滤算法在B2C电子商务中是一种重要的推荐方法,但是用户共同评价项目的稀缺性导致了协同过滤算法质量的下降。鉴于此,在考虑用户评分数据的基础上,对用户评分记录进行聚类平滑。考虑用户购买记录作为数据源之一,并用曼哈顿距离相似度计算方法计算用户购买记录,将两者线性组合得到混合相似度,使用混合相似度进行推荐,通过实验计算两者线性组合的最佳权重系数,比传统的利用用户评分记录和用户购买记录的精确度高。实验结果表明,基于混合相似度的协同过滤推荐能有效提高由于数据稀缺性造成的推荐准确度。
作者 汤吴建
出处 《软件导刊》 2017年第2期32-35,共4页 Software Guide
基金 国家社会科学基金项目(16BGL088)
  • 相关文献

参考文献8

二级参考文献84

  • 1王茜,杨莉云,杨德礼.面向用户偏好的属性值评分分布协同过滤算法[J].系统工程学报,2010,25(4):561-568. 被引量:24
  • 2邢春晓,高凤荣,战思南,周立柱.适应用户兴趣变化的协同过滤推荐算法[J].计算机研究与发展,2007,44(2):296-301. 被引量:148
  • 3牛琨,张舒博,陈俊亮.采用属性聚类的高维子空间聚类算法[J].北京邮电大学学报,2007,30(3):1-5. 被引量:13
  • 4Sarwar B.Analysis of recommendation algorithms for e-commerce[C] //Proc 2nd ACM Conf Electronic Commerce (EC 00).ACM Press,2000:158-167.
  • 5Adomavicius G,Tuzhilin A.Toward the next generation of recommender systems:a survey of the state-of-the-Art and possible extensions[J].IEEE Trans Knowledge and Data Eng,2005,17(6):734-749.
  • 6Greiner R,Su X,Shen B,et al.Structural extension to logistic regression:discriminative parameter learning of belief net classifiers[J].Machine Learning,2005,59(3):297-322.
  • 7Melville P,Mooney R J,Nagarajan R.Content-boosted collaborative filtering for improved recommendations[C] //Proceedings of the 18th National Conference of Artificial Intelligence,2002:187-192.
  • 8Duhan D F.Influences on consumer use of word-of-mouth recommendation sources[J].J Academy of Marketing Science,1997,25:283-295.
  • 9Herlocker J L,Konstan J A,Terveen L G,et al.Evaluating collaborative filtering recommender systems[J].ACM Trans Information Systems,2004,22(1):5-53.
  • 10Robertson T S,Zielinski J,Ward S.Consumer behavior[M].New York:Scott,Foresman and Co,1984:5-50.

共引文献96

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部