资源描述：
《用户间多相似度协同过滤推荐算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、用户间多相似度协同过滤推荐算法第39卷第l期2012年1月计算机科学ComputerScienceVo1.39No.1Jan2012用户间多相似度协同过滤推荐算法范波程久军(同济大学计算机科学与工程系上海201804)(同济大学嵌入式系统与服务计算教育部重点实验室上海201804)摘要传统的User-based协同过滤推荐算法仅采用了单一的评分相似度来度量用户之间对任何项目喜好的相似程度.然而根据日常经验,人们对不同类型事物的喜好程度往往是不同的,单一的评分相似度显然无法准确描述这种不同.针对上述问题,提出了一种基于用户间多相似度的协同过滤推荐算法
2、,即基于用户间对不同项目类型的多个评分相似度来计算用户对未评分项目的预测评分.实验结果表明,该算法可以有效地提高预测评分的准确性及推荐质量.关键词多相似度,协同过滤推荐算法,User-based,MAE中图法分类号TP391文献标识码ACollaborativeFilteringRecommendationAlgorithmBasedonUser'sMulti-similarityFANt3oCHENGJiu-jun(DepartmentofComputerScience&Engineering,Ton~iUniversity,Shangh
3、ai201804,China)(KeyLaboratoryofEmbeddedSystemandServiceComputingofMinistryofEducation,Ton~iUniversity,Shanghai201804,China)AbstractConventionaluser-basedcollaborativefilteringalgorithmmeasuresthesimilarityoftwouser'Sfavorofanytypesofitemsthroughthesingleratingsimilarity.Howeve
4、r,dailyexperiencetellsUSthatpeopleusuallyhavedifferentdegreeontheirfavorofdifferenttypesofobjects,andobviouslythesingleratingsimilaritycannotaccuratelydescribethisdifference.Aimingatthisproblem,wedeeplyanalyzedthecharacteristicofuser-basedcollaborativefilteringrecom-mendationa
5、lgorithm,andproposedacollaborativefilteringrecommendationalgorithmbasedonuser'Smulti-similarity,whichdescribesdifferentsimilarityoftwouser'Sfavorofdifferenttypesofitemsthroughthecomputationoftheirmul—tipleindependentratingsimilarityfordifferenttypesofitems.Theexperimentalresul
6、tsshowthattheproposedalgo—rithm,whichcomputespredictedratingsofunrateditemsonthebasisofuser'Smulti-similarity,caneffectivelyimprovetheaccuracyofpredictedratingsandenhancethequalityofrecommendation.KeywordsMulti-similarity,Collaborativefilteringrecommendationalgorithm,User-base
7、d,MAE1引言互联网信息技术的飞速发展,极大地改变了人们获取信息的方式.然而互联网信息总量的日益激增,也使得信息过载问题日益严重.作为一种能有效解决互联网信息过载问题的技术手段,推荐系统正越来越受到业界的重视.推荐系统通过学习用户的行为,了解和掌握用户的偏好,从而可以更有针对性地向用户推荐他们可能感兴趣的内容.目前互联网的几大支柱产业,包括电子商务和社交网络,均不同程度地使用了推荐系统技术.在已有的推荐算法中,协同过滤推荐算法_1]是比较成熟,也是在实际应用中使用非常广泛的一类推荐算法.目前的大部分协同过滤推荐算法,主要是通过计算某一用户对未评分
8、项目的预测评分并以此作为主要依据来向该用户进行推荐.其中,传统的User-based协同过滤推荐算法_2]将预测评分的计算
