改进Pearson相关系数的个性化推荐算法

发布时间：2018-02-12 20:33

  本文关键词： 个性化推荐 相似性计算 皮尔森相关系数 评分预测　出处：《山东农业大学学报(自然科学版)》2016年06期 　论文类型：期刊论文

【摘要】：基于用户的协同过滤推荐算法(User CF)从用户的历史操作记录中分析用户的兴趣,找到每个用户的k个相似近邻,然后基于这k个近邻集合实施推荐。皮尔森相关系数能够根据用户的历史评分计算用户间的相似度。本文加入流行项目惩罚系数、共同评分项目惩罚系数δ和评分差异惩罚系数λ,对皮尔森相关系数实施了改进和修订。实验结果表明,改进后的皮尔森相似度的推荐效果好于原始皮尔森相似度。
[Abstract]:Based on the user's collaborative filtering recommendation algorithm (user CF), the user's interest is analyzed from the user's history, and the k similar neighbors of each user are found. Then the recommendation is implemented based on the set of k nearest neighbors. Pearson correlation coefficient can calculate the similarity between users according to the users' history score. In this paper, the penalty coefficient of popular items is added. The penalty coefficient 未 of common score item and penalty coefficient 位 of score difference are improved and revised to Pearson correlation coefficient. The experimental results show that the recommendation effect of improved Pearson similarity is better than that of original Pearson similarity.
【作者单位】： 六安职业技术学院信息与电子工程学院;
【基金】：2015年度安徽高校自然科学研究重点项目(KJ2015A435) 安徽省2016年高校优秀青年人才支持计划重点项目(gxyq ZD2016570) 安徽省2014年高校优秀青年人才支持计划
【分类号】：TP391.3

【参考文献】

相关期刊论文 前8条

1 刘树栋;孟祥武;;基于位置的社会化网络推荐系统[J];计算机学报;2015年02期

2 朱夏;宋爱波;东方;罗军舟;;云计算环境下基于协同过滤的个性化推荐机制[J];计算机研究与发展;2014年10期

3 高明;金澈清;钱卫宁;王晓玲;周傲英;;面向微博系统的实时个性化推荐[J];计算机学报;2014年04期

4 陈克寒;韩盼盼;吴健;;基于用户聚类的异构社交网络推荐算法[J];计算机学报;2013年02期

5 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

6 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[J];计算机学报;2010年08期

7 吴湖;王永吉;王哲;王秀利;杜栓柱;;两阶段联合聚类协同过滤算法[J];软件学报;2010年05期

8 张宇镭,党琰,贺平安;利用Pearson相关系数定量分析生物亲缘关系[J];计算机工程与应用;2005年33期

【共引文献】

相关期刊论文 前10条

1 张素智;赵亚楠;杨芮;;推荐系统研究[J];湖北民族学院学报(自然科学版);2017年01期

2 陈实;孙静宇;;推荐系统中均模型的增量扩展[J];计算机工程与设计;2017年03期

3 刘毅;钟_，

本文编号：1506499