传统Item—Based协同过滤推荐算法改进

摘要：

传统item-baseol协同过滤算法根据项目之间的相似性来选取最近邻居．然而，现存的几种相似性度量方法都存在相应的弊端，因此只根据相似性无法找到准确可靠的最近邻．根据对两项目共同评分的用户个数，建立项目近邻等级，提出了结合项目近邻等级与相似性求取最近邻的新方法．另外，对于系统中新加入的项目，因为其上评分信息的匮乏，求得的最近邻往往是不准确的．为此，提出了聚合最近邻和”集体评分”两种改进方法．在MovieLens数据集上的实验结果表明，将上述改进应用于传统item—brised协同过滤算法，推荐质量有明显的提高．

关键词： 协同过滤算法 近邻等级 推荐质量 相似性

作者: 李雪 左万利 赫枫龄 王英

作者单位: 吉林大学计算机科学与技术学院 长春 130012 吉林大学计算机科学与技术学院 长春 130012 吉林大学符号计算与知识工程教育部重点实验室 长春 130012 吉林大学计算机科学与技术学院 长春 30012

会议类型: 国内会议

会议名称: NDBC2009第26届中国数据库学术会议

会议地点: 南昌

会议语种:中文

页码: 394-399

在线出版日期: 2009-10-15（万方平台首次上网日期，不代表论文的发表时间）