基于用户相似度和项目相似度的加权Slope One算法优化

发布时间：2021-10-24 00:28

　　根据不同用户的兴趣特征,个性化推荐技术进行有针对性的推荐,该技术的核心在于推荐算法的设计,算法设计的越好,推荐效果就越好。目前推荐算法可以分为基于内容的过滤算法（Content-filtering algorithm,简称Conf-algorithm）、协同过滤算法（Collaborative-filtering algorithm,简称Colf-algorithm）和混合推荐算法（Hybrid recommendation algorithm,简称HR-algorithm）,其中的协同过滤算法又可以细分为基于内存的协同过滤和基于模型的协同过滤。本课题优化的加权Slope One算法属于基于内存的协同过滤算法。加权Slope One算法作为一种基于内存的协同过滤算法最大的优势是原理简单,易于实现,执行效率高,并且预测评分的准确度相对很高,而且它们支持在线查询和动态更新,这使得它成为现实世界中推荐算法的优秀候选者。不同于传统的协同过滤算法,加权Slope One算法并不计算项目或用户之间的相似度,而是使用一个简单的线性回归模型来预测评分,毫无区别地使用所有用户和项目的数据很可能对目标项目... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

优化的加权SlopeOne算法流程图

图 4.1 用户相似度参数 不同取值在 MAE 指标走势图图 4.2 用户相似度参数 不同取值在 RMSE 指标走势图图 4.1 和图 4.2 中可以看出，随着参数 的取值不同，MAE 和 RMSE 的值也随之

33图 4.2 用户相似度参数 不同取值在 RMSE 指标走势图图 4.1 和图 4.2 中可以看出，随着参数 的取值不同，MAE 和 RMSE 的值也随之化。在 =0.7 时，MAE 和 RMSE 的值均达到最低。所以得出混合用户相似度计算式中的参数 的最适值为 0.7。同时从上面两图中看出单一的采用皮尔逊相关数或欧几里得距离计算用户相似度不如两者结合在一起的预测评分效果好。4.2 不同用户相似度计算方式的预测结果比较本课题我们提出将 Pearson 相关系数与归一化的欧几里得距离线性组合成立合用户相似度计算方案。为了验证这种改进的 Pearson 相关系数表示的用户相

【参考文献】：
期刊论文
[1]基于多权值的SlopeOne协同过滤算法[J]. 覃幸新,王荣波,黄孝喜,谌志群.  数据分析与知识发现. 2017(06)
[2]一种改进的Slope One协同过滤推荐算法[J]. 刘业峰,柴天佑.  控制工程. 2017(02)
[3]基于加权Slope One的协同过滤个性化推荐算法[J]. 李桃迎,李墨,李鹏辉.  计算机应用研究. 2017(08)
[4]融合用户相似度与项目相似度的加权Slope One算法[J]. 张玉连,郇思思,梁顺攀.  小型微型计算机系统. 2016(06)
[5]个性化推荐中的隐语义模型[J]. 王升升,赵海燕,陈庆奎,曹健.  小型微型计算机系统. 2016(05)
[6]基于用户相似度加权的Slope One算法[J]. 田松瑞.  软件. 2016(04)
[7]协同过滤算法中的相似度优化方法[J]. 徐翔,王煦法.  计算机工程. 2010(06)

博士论文
[1]推荐系统的协同过滤算法与应用研究[D]. 郭艳红.大连理工大学 2008



本文编号：3454211