基于用户的协同过滤算法的推荐效率和个性化改进

发布时间：2017-09-29 22:13

  本文关键词：基于用户的协同过滤算法的推荐效率和个性化改进

  更多相关文章： 基于用户的协同过滤 个性化推荐 相似度计算 用户评分矩阵 数据稀疏性 项目-用户倒查表 十折交叉验证

【摘要】：针对传统的基于用户的协同过滤算法存在的推荐效率、精度和个性化低的问题,提出一种改进方法.该方法在计算用户评分矩阵时,考虑到用户评分矩阵稀疏性,建立项目-用户的倒查表,只计算有相同评分项的用户之间的相似度,避免了传统方法中对所有用户计算两两用户相似度的庞大工作量.该方法在计算用户相似度时,考虑到项目的热门程度不同,"惩罚"了用户共同兴趣列表中的热门项目,避免了传统方法中赋予所有项目相同权值对推荐结果个性化的负面影响.本文在详细分析了改进的用户协同过滤算法的原理和优点,给出了其推荐步骤流程图.在Movielens100K和HetRec2011-movielens-2k公开数据集上,十折交叉验证的结果表明,改进后的算法节约了运行时间,提高了推荐算法的效率和个性化.
【作者单位】： 华侨大学计算机科学与技术学院;西安交通大学机械强度与振动国家重点实验室;
【关键词】： 基于用户的协同过滤 个性化推荐 相似度计算 用户评分矩阵 数据稀疏性 项目-用户倒查表 十折交叉验证
【基金】：国家自然科学基金项目(51305142,61103170)资助 厦门市科技计划项目(3502Z20143041)资助 福建省自然科学基金计划项目(2014J01191)资助 中国博士后科学基金第55批面上项目(2014M552429)资助 华侨大学引进人才科研启动项目(12BS217)资助
【分类号】：TP391.3
【正文快照】： 1引言在网络信息过载和信息爆炸的背景下,个性化推荐技术利用用户和商品信息,可以高效、自动化地指导用户在电子商务网站中方便地浏览、购物而得到广泛应用,成为商业和学术研究的热点[1],例如,可以根据用户的资料为用户推荐他们可能感兴趣的图书、音乐、商品等项目的豆瓣网、

【参考文献】

中国期刊全文数据库 前1条

1 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

【共引文献】

中国期刊全文数据库 前10条

1 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

2 苏莹;;一类考虑负面评价的个性化推荐系统构架研究[J];电脑知识与技术;2012年03期

3 汪秉宏;周涛;刘建国;;推荐系统、信息挖掘及基于互联网的信息物理研究[J];复杂系统与复杂性科学;2010年Z1期

4 胡斌;徐小良;;科技项目评审专家推荐系统模型[J];电子科技;2012年07期

5 赵岩露;王晶;沈奇威;;基于特征分析的微博用户兴趣发现算法[J];电信工程技术与标准化;2012年11期

6 张亮;柏林森;周涛;;基于跨电商行为的交叉推荐算法[J];电子科技大学学报;2013年01期

7 黄永锋;覃罗春;;一种有效缓解协同过滤推荐评价数据稀疏问题的算法[J];东华大学学报(自然科学版);2013年01期

8 宋文君;郭强;刘建国;;时间窗口对个性化推荐算法的影响研究[J];复杂系统与复杂性科学;2015年01期

9 陈敏;余胜泉;;泛在学习环境下感知学习过程情境的推荐系统设计[J];电化教育研究;2015年04期

10 王勇;易庭;;基于距离衰减和评分趋势改进的协同推荐算法[J];广东工业大学学报;2015年02期

中国博士学位论文全文数据库 前9条

1 任磊;推荐系统关键技术研究[D];华东师范大学;2012年

2 陈毅波;基于关联数据和用户本体的个性化知识服务关键技术研究[D];武汉大学;2012年

3 邢星;社交网络个性化推荐方法研究[D];大连海事大学;2013年

4 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年

5 史艳翠;基于通信数据的上下文移动用户偏好动态获取方法研究[D];北京邮电大学;2013年

6 董振华;群落标签推荐系统体系结构及关键问题研究[D];南开大学;2012年

7 余建伟;移动环境下情境感知驱动的时空数据自适应表达[D];武汉大学;2012年

8 刘海峰;社交网络用户交互模型及行为偏好预测研究[D];北京邮电大学;2014年

9 张志军;社交网络中个性化推荐模型及算法研究[D];山东师范大学;2015年

【二级参考文献】

中国期刊全文数据库 前1条

1 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

【相似文献】

中国期刊全文数据库 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 沈磊;周一民;李舟军;;基于心理学模型的协同过滤推荐方法[J];计算机工程;2010年20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 郑婕;鲍海琴;;基于协同过滤推荐技术的个性化网络教学平台研究[J];科技风;2012年06期

中国重要会议论文全文数据库 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

中国博士学位论文全文数据库 前10条

1 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

2 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

3 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

4 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

5 高e，

本文编号：944522