基于矩阵填充和物品可预测性的协同过滤算法
【图文】：
９期逡逑潘涛祷等：h视诓哒筇畛浜臀锲房稍げ庑缘男怂惴ㄥ义希保叮埃卞义戏治锲罚疚慕锲贩治霾愦危从没Ч餐婪皱义衔锲罚桨耍匆挥没婪治锲罚珏澹洛澹斟澹煤湾义瞎餐矗槠椒治锲酚捎谑肯∈栊缘贾掠缅义匣Ъ涔餐婪治锲贰良本缂跎伲诠餐婪治锲峰义系南嗨贫燃扑惴椒ú还蛔既罚卣筇畛浞椒ㄍü铄义铣洌保蓿形雌婪钟没У钠婪质蛊渥餐婪治镥义掀罚率翘畛涞脑げ馄婪钟胝媸灯婪值目烧捕葂伈诲义贤模档贾孪嗨乞扑闶辈煌愦挝锲分叩囊庖邋义洗笮∫膊煌撸偕璐嬖谖锲罚浚海簦殄澹邋逶蛄礁鲇缅义匣У钠婪侄际钦媸灯婪郑嗨乞扑憬帷目晌潭儒义细哓簦殄澹珏澹保蓿蚱渲幸桓鲇没У钠婪治げ馄婪郑义舷嗨贫燃扑銄P臬的可信度较低．逡逑传统Ｔｏｐ－Ｎ推荐方法只根据物品预测评分的逡逑高低生产推荐列表，标准单一不够准确．针对此问逡逑题，提出本文的第二个创新点：引入物品可预测性对逡逑Ｔｏｐ－r>算法进行改进．综合物品的预测评分与物品逡逑的可预测性，并将其转化成最优化问题，利用０－１背逡逑包算法籴得到最优解即最佳的推荐列表，由于推荐逡逑列表是布计算出预测评分之后产银，所以改进后的逡逑推荐算法可以和其他任意评分预测算法结合，具有逡逑良好的可扩擺性‘逡逑３．２复杂性分析逡逑随着技术的不断进步，存储空何对算法的影响逡逑减弱．因此本节主要对算法的时间复杂度进行分逡逑析．本文算法的T 间开销主栗来自矩、阵评分填充，逡逑用户间相似度计算５物品可预测性计算以及推荐逡逑列表生成．矩阵评分填充是先预测用户对未评分逡逑物品的评分，然后对矩阵进行填充，时间复杂度为逡逑０（ｍ２）；用户间相似虔计算需要计算ｍ个用户丨旬逡逑的相
与j?FeC151on的关系
【作者单位】： 国家数字交换系统工程技术研究中心;江南计算技术研究所;
【基金】：国家高技术研究发展计划(863计划)(2014AA01A) 国家自然科学基金(61572520)资助~~
【分类号】：TP391.3
【相似文献】
相关期刊论文 前10条
1 徐义峰;陈春明;徐云青;;一种基于分类的协同过滤算法[J];计算机系统应用;2007年01期
2 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期
3 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期
4 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期
5 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期
6 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期
7 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期
8 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期
9 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期
10 宋纬华;田元;;基于蚁群算法的协同过滤推荐技术[J];农业图书情报学刊;2013年08期
相关会议论文 前10条
1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年
2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年
3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年
4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年
6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年
9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年
10 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[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年
相关博士学位论文 前7条
1 纪科;融合上下文信息的混合协同过滤推荐算法研究[D];北京交通大学;2016年
2 程殿虎;基于协同过滤的社会网络推荐系统关键技术研究[D];中国海洋大学;2015年
3 于程远;基于QoS的Web服务推荐技术研究[D];上海交通大学;2015年
4 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年
5 孔维梁;协同过滤推荐系统关键问题研究[D];华中师范大学;2013年
6 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年
7 赵向宇;Top-N协同过滤推荐技术研究[D];北京理工大学;2014年
相关硕士学位论文 前10条
1 邹腾飞;基于多特征融合的混合协同过滤算法研究[D];西南大学;2015年
2 于钰雯;基于项目凝聚层次聚类的协同过滤推荐算法研究[D];辽宁大学;2015年
3 杜文刚;基于多属性评分的协同过滤推荐算法研究[D];辽宁大学;2015年
4 高慧敏;融合占有度的时间遗忘协同过滤混合推荐算法研究[D];燕山大学;2015年
5 苏靖涵;面向SaaS多租户的动态推荐方法研究[D];辽宁大学;2015年
6 徐晓妮;基于人工鱼群算法的协同过滤推荐算法研究[D];辽宁大学;2015年
7 罗培;移动购物导购关键技术的研究与系统实现[D];西南交通大学;2015年
8 李婧;融合用户差异度及信息熵的协同过滤推荐算法[D];西安建筑科技大学;2015年
9 乐柱;基于误差反馈的协同过滤算法[D];华南理工大学;2015年
10 马兆才;基于协同过滤的推荐系统算法研究与实现[D];兰州大学;2015年
本文编号：2528425
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2528425.html
