一种优化组合相似度的协同过滤推荐算法

发布时间：2018-03-13 04:19

  本文选题：协同过滤推荐算法　切入点：时序行为影响力　出处：《计算机工程与科学》2017年01期 　论文类型：期刊论文

【摘要】：为了进一步提高相似度计算的准确性,提出了一种优化组合相似度的协同过滤推荐算法。首先,建立用户-项目评分时间矩阵,根据用户对共同评分项目的评分时间先后顺序,计算用户之间的影响力;其次,根据用户对共同评分项目的评分差异,计算评分差异的加权信息熵;最后,将时序行为影响力融入到基于加权信息熵的相似度中,其中融合参数α由随机粒子群优化算法选择。通过与其他相似度计算方法比较,该算法降低了标准平均绝对误差和流行度,在一定程度上降低了数据稀疏性的影响,能更准确地计算相似度,从而提高了推荐质量。
[Abstract]:In order to further improve the accuracy of similarity calculation, a collaborative filtering recommendation algorithm is proposed to optimize the combination similarity. Firstly, a user-item scoring time matrix is established, according to the order of the users' scoring time for common items. Secondly, the weighted information entropy of the score difference is calculated according to the difference of the users' score items. Finally, the influence of temporal behavior is integrated into the similarity degree based on weighted information entropy. The fusion parameter 伪 is selected by stochastic particle swarm optimization algorithm. Compared with other similarity calculation methods, the algorithm reduces the standard average absolute error and popularity, and reduces the effect of data sparsity to some extent. It can calculate the similarity more accurately and improve the quality of recommendation.
【作者单位】： 长沙理工大学计算机与通信工程学院;
【基金】：国家自然科学基金(61303043)
【分类号】：TP391.3

【参考文献】

相关期刊论文 前9条

1 郭强;刘建国;;在线社会系统的用户行为分析研究进展[J];复杂系统与复杂性科学;2015年02期

2 孟祥武;刘树栋;张玉洁;胡勋;;社会化推荐系统研究[J];软件学报;2015年06期

3 冷亚军;陆青;梁昌勇;;协同过滤推荐技术综述[J];模式识别与人工智能;2014年08期

4 孙光福;吴乐;刘淇;朱琛;陈恩红;;基于时序行为的协同过滤推荐算法[J];软件学报;2013年11期

5 孟祥武;胡勋;王立才;张玉洁;;移动推荐系统及其应用[J];软件学报;2013年01期

6 曾建新;杨宁;夏培勇;;一种基于改进信息熵的协同过滤算法[J];微计算机信息;2012年08期

7 王立才;孟祥武;张玉洁;;上下文感知推荐系统[J];软件学报;2012年01期

8 刘建国;周涛;郭强;汪秉宏;;个性化推荐系统评价方法综述[J];复杂系统与复杂性科学;2009年03期

9 马宏伟;张光卫;李鹏;;协同过滤推荐算法综述[J];小型微型计算机系统;2009年07期

【共引文献】

相关期刊论文 前10条

1 金连旭;王洪国;丁艳辉;张骏;;基于兴趣敏感度的高校毕业生就业推荐算法[J];计算机与数字工程;2017年02期

2 高发展;黄梦醒;张婷婷;;综合用户特征及专家信任的协作过滤推荐算法[J];计算机科学;2017年02期

3 王建;黄佳进;;LDA-RR:一种基于评分和评论的推荐方法[J];计算机科学;2017年02期

4 梁婷婷;李春青;李海生;;基于内容过滤PageRank的Top-k学习资源匹配推荐[J];计算机工程;2017年02期

5 赵文涛;成亚飞;王春春;;基于Logistic时间函数和用户特征的协同过滤算法[J];计算机应用与软件;2017年02期

6 陈强;;基于用户协同过滤推荐算法研究与应用[J];福建电脑;2017年01期

7 于波;陈庚午;王爱玲;林川;;一种结合项目属性的混合推荐算法[J];计算机系统应用;2017年01期

8 李聪;马丽;梁昌勇;;DFM-IA:面向B2C电子商务的多源用户兴趣数据采集机制[J];管理工程学报;2017年01期

9 童向荣;姜先旭;王莹洁;张楠;;信任网络形成及其在智能推荐中的应用研究进展[J];小型微型计算机系统;2017年01期

10 付全兴;韩立新;杨艺;;基于生活场景的逻辑回归推荐算法[J];计算机与现代化;2016年12期

【二级参考文献】

相关期刊论文 前10条

1 蔡强;韩东梅;李海生;胡耀光;陈谊;;基于标签和协同过滤的个性化资源推荐[J];计算机科学;2014年01期

2 冷亚军;梁昌勇;丁勇;陆青;;协同过滤中一种有效的最近邻选择方法[J];模式识别与人工智能;2013年10期

3 刘建国;任卓明;郭强;汪秉宏;;复杂网络中节点重要性排序的研究进展[J];物理学报;2013年17期

4 梁昌勇;冷亚军;王勇胜;戚筱雯;;电子商务推荐系统中群体用户推荐问题研究[J];中国管理科学;2013年03期

5 冷亚军;梁昌勇;陆青;陆文星;;基于近邻评分填补的协同过滤推荐算法[J];计算机工程;2012年21期

6 陈如明;;大数据时代的挑战、价值与应对策略[J];移动通信;2012年17期

7 孟祥武;胡勋;王立才;张玉洁;;移动推荐系统及其应用[J];软件学报;2013年01期

8 汪秉宏;周涛;周昌松;;人类行为、复杂网络及信息挖掘的统计物理研究[J];上海理工大学学报;2012年02期

9 黄武汉;孟祥武;王立才;;移动通信网中基于用户社会化关系挖掘的协同过滤算法[J];电子与信息学报;2011年12期

10 王立才;孟祥武;张玉洁;;移动网络服务中基于认知心理学的用户偏好提取方法[J];电子学报;2011年11期

【相似文献】

相关期刊论文 前10条

1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

6 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期

7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

9 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期

10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

相关会议论文 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q，

本文编号：1604782