欢迎来到天天文库
浏览记录
ID:37328294
大小:452.16 KB
页数:4页
时间:2019-05-21
《分步预测协同过滤算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第32卷第11期计算机应用研究Vol.32No.112015年11月ApplicationResearchofComputersNov.2015*分步预测的协同过滤算法肖明波,郑鑫炜(杭州电子科技大学通信工程学院,杭州310018)摘要:针对数据稀疏性问题,对协同过滤推荐算法作了改进,提出分步预测的算法。算法先对评分矩阵作预处理,重新排列矩阵元素的位置,使评分数据集中到矩阵左上角,并对评分数过少的用户进行部分填充;然后再提取一个数据密度较高的子系统,用基于信任的算法填充其缺失值;最后通过不断向子系统里添加新用户、新项目的方法实现分步预测的目的
2、。通过在MovieLens数据集上的实验结果表明,新算法可以有效地缓解数据稀疏性问题,提高系统的推荐精度。关键词:数据稀疏性;协同过滤;分步预测;准确度中图分类号:TP391;TP301.6文献标志码:A文章编号:1001-3695(2015)11-3256-03doi:10.3969/j.issn.1001-3695.2015.11.012CollaborativefilteringalgorithmwithstepwisepredictionXiaoMingbo,ZhengXinwei(CollegeofCommunicationEngi
3、neering,HangzhouDianziUniversity,Hangzhou310018,China)Abstract:Thecollaborativefilteringrecommendationalgorithmhastheproblemofdatasparseness.Inordertosolvethisproblem,thispaperputforwardanewalgorithmwithstepwiseprediction.Itfirstlypreprocessedthescoringmatrix:rearrangedthel
4、ocationofthematrixelementstoconcentratethevaluestotheleftuppercornerandfilledpartofuser’smissingdatawhenitscoredtoolessprojects.Thenitextractedasubsystemwithhighdatadensityfromscoringmatrixandfilledthemissingva-luesbytrust-basedcollaborativefilteringalgorithm.Finallyitachie
5、vedstepwisepredictionbyconstantlyaddingnewuserornewproject.TheexperimentalresultsonMovieLensdemonstratethatthenewalgorithmcaneffectivelyalleviatethedatasparsenessproblemandimprovetheaccuracy.Keywords:datasparseness;collaborativefiltering;stepwiseprediction;accuracy合实际情况,因为用
6、户不可能对所有项目打同样的分数。所以0引言这种填充方法虽然增加了许多购买信息,但这些信息非常不准[9]确,由此得到的预测评分其精度也不是很高。张玉芳等人随着计算机技术的迅猛发展,信息化时代已经到来。现在互联网上充斥着海量的数据,人们可以通过电脑获得各种各样提出,首先只将相似度和共同评分过的项目数达到一定阈值的的信息,但同时也出现了信息过载和暗信息的现象[1]。面对用户作为目标用户的最近邻居,并通过协同过滤算法填充一部纷繁杂乱的信息,人们往往无从下手,陷于信息迷航的困境。分的未知评分,这样评分矩阵的数据密度就可以有所提高;然个性化推荐是解决该问
7、题行之有效的手段。它通过分析用户后在此基础上重新计算相似度并填充剩下的缺失值。这种方网上的历史信息,如购买经历、浏览记录等,来预测用户可能感法补充的信息量十分有限,只在一定程度上缓解了数据稀疏性兴趣的内容,并把这些内容推荐给他。这样不仅可以减少用户的问题,而且对于购买记录较少的用户根本找不到共同评分过搜索的时间,还可以推荐用户潜在的兴趣。个性化推荐系统已的项目数以达到阈值的近邻。[7][10]经在互联网中得到了广泛的应用,并取得了良好的效果。在众Karatzoglou等人采用张量分解技术,方耀宁等人通[11]多的推荐系统中,协同过滤推荐系统可
8、以推荐无法进行内容分过奇异值分解技术,周子亮采用非负矩阵分技术都实现了析的产品,研究最早,应用最广泛,性能也较优越。但是协同过矩阵降维的目的。降维后的评分矩阵在形式
此文档下载收益归作者所有