面向场景的协同过滤推荐算法

摘要：

推荐系统是电子商务系统中最重要的技术之一.用户相似性度量方法是影响推荐算法准确率高低的关键因素,针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足.进而以该方法为核心,提出一种面向场景的协同过滤推荐算法,该算法能够充分利用项目的分类信息,避免了传统算法把用户的整体打分作为单个向量的弊端.实验结果表明,算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量.

关键词： 推荐系统 协同过滤 项目相似性 投票 云模型

作者: 张光卫 康建初 李鹤松 刘常昱 李德毅

作者单位: 北京航空航天大学,软件开发环境国家重点实验室,北京,100083 国防大学,信息作战与指挥训练作战部,北京,100091 中国电子工程系统研究所,北京,100840

会议类型: 国内会议

会议名称: 中国系统仿真学会2006年学术年会

会议地点: 哈尔滨

会议语种:中文

页码: 595-601

在线出版日期: 2006-08-01（万方平台首次上网日期，不代表论文的发表时间）