一种融合权重收缩的最近邻协同过滤推荐算法

摘　要：协同过滤推荐算法作为个性化推荐系统中的主要技术之一，其主要思想是利用用户群的历史行为和对相关事务的评价来预测当前用户最可能感兴趣的项目。目前协同过滤推荐的主要研究方向是基于用户的最近邻推荐和基于物品的最近邻推荐。但其目前面临着许多亟待解决的问题：如推荐结果受限于算法使用数据集的稀疏，造成的推荐结果精确度的偏差；新启用的推荐系统在历史数据不足的前提之下无法正常工作；对历史数据集的高度依赖等。综合目前的研究现状，提出一种基于用户，并通过个人信息之间的相似度对评分表达出的相似性进行权重收缩的推荐算法，对传统协同过滤算法进行改进，形成一个全新的基于用户的近邻协同过滤推荐算法。

【分　类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
【关键词】 协同过滤 稀疏数据 相似度计算
【出　处】 《自然科学(文摘版)》2017年 第10月 01 223-223页　共1页
【收　录】 中文科技期刊数据库

【参考文献】
[1]徐翔,王煦法.协同过滤算法中的相似度优化方法[J]. 计算机工程, 2010, 36(6):52-54.[2]王茜,王均波.一种改进的协同过滤推荐算法[J]. 计算机科学, 2010, 37(6):226-228.[3]李涛,王建东,叶飞跃,等.一种基于用户聚类的协同过滤推荐算法[J]. 系统工程与电子技术, 2007, 29(7): 1178-1182.

原文预览