基于影响集的协作过滤推荐算法

基于影响集的协作过滤推荐算法

ID:33338783

大小:377.75 KB

页数:10页

时间:2019-02-24

基于影响集的协作过滤推荐算法_第1页
基于影响集的协作过滤推荐算法_第2页
基于影响集的协作过滤推荐算法_第3页
基于影响集的协作过滤推荐算法_第4页
基于影响集的协作过滤推荐算法_第5页
资源描述:

《基于影响集的协作过滤推荐算法》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、ISSN1000-9825,CODENRUXUEWE-mail:jos@iscas.ac.cnJournalofSoftware,Vol.18,No.7,July2007,pp.1685−1694http://www.jos.org.cnDOI:10.1360/jos181685Tel/Fax:+86-10-62562563©2007byJournalofSoftware.Allrightsreserved.∗基于影响集的协作过滤推荐算法1+2陈健,印鉴1(华南理工大学计算机科学与工程学院,广东广州510006)2(中山大学计算科学系,广

2、东广州510275)ACollaborativeFilteringRecommendationAlgorithmBasedonInfluenceSets1+2CHENJian,YINJian1(SchoolofComputerScienceandEngineering,SouthChinaUniversityofTechnology,Guangzhou510006,China)2(DepartmentofComputerScience,SunYat-SetUniversity,Guangzhou510275,China)+Correspo

3、ndingauthor:Phn:+86-20-33509119,Fax:+86-20-39380218,E-mail:ellachen@scut.edu.cn,http://www.scut.edu.cnChenJ,YinJ.Acollaborativefilteringrecommendationalgorithmbasedoninfluencesets.JournalofSoftware,2007,18(7):1685−1694.http://www.jos.org.cn/1000-9825/18/1685.htmAbstract:T

4、hetraditionaluser-basedcollaborativefiltering(CF)algorithmsoftensufferfromtwoimportantproblems:Scalabilityandsparsitybecauseofitsmemory-basedknearestneighborqueryalgorithm.Item-BasedCFalgorithmshavebeendesignedtodealwiththescalabilityproblemsassociatedwithuser-basedCFappr

5、oacheswithoutsacrificingrecommendationorpredictionaccuracy.However,item-basedCFalgorithmsstillsufferfromthedatasparsityproblems.ThispaperpresentsaCFrecommendationalgorithm,namedCFBIS(collaborativefilteringbasedoninfluencesets),whichisbasedontheconceptofinfluencesetandisah

6、ottopicininformationretrievalsystem.Moreover,itdefinesanewpredictioncomputationmethodforthisnewrecommendationmechanism.Experimentalresultsshowthatthealgorithmcanachievebetterpredictionaccuracythantraditionalitem-basedCFalgorithms.Furthermore,thealgorithmcanalleviatethedat

7、asetsparsityproblem.Keywords:E-commerce;recommendationsystem;collaborativefiltering;influenceset摘要:传统的基于用户的协作过滤推荐系统由于使用了基于内存的最近邻查询算法,因此表现出可扩展性差、缺乏稳定性的缺点.针对可扩展性的问题,提出的基于项目的协作过滤算法,仍然不能解决数据稀疏带来的推荐质量下降的问题(稳定性差).从影响集的概念中得到启发,提出一种新的基于项目的协作过滤推荐算法CFBIS(collaborativefilteringbased

8、oninfluencesets),利用当前对象的影响集来提高该资源的评价密度,并为这种新∗SupportedbytheNationalNaturalScienceFoundationofChi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。