|
|||||
|
|
| 一种有效缓解数据稀疏问题的协同过滤推荐算法 | |
| 作者姓名： | 张清 于博 王辉 邓林 |
| 作者单位： | 合肥工业大学信息化建设与发展中心,安徽合肥,230009;合肥工业大学信息化建设与发展中心,安徽合肥,230009;合肥工业大学信息化建设与发展中心,安徽合肥,230009;合肥工业大学信息化建设与发展中心,安徽合肥,230009 |
| 基金项目： | 国家国际科技合作专项资助项目;安徽省重大教学改革资助项目 |
| 摘 要： | 文章针对数据的稀疏会导致传统的协同过滤(collaborative filtering,CF)推荐算法不能准确地查找到最近邻居问题,提出了一种改进的基于用户Tanimoto相似性系数预填充的算法,通过改进的Tanimoto相似性系数得到更加合理的用户相似度,并结合提出的预测公式对目标用户的未评分项进行预测评分和填充,从而降低矩阵的数据稀疏度。实验结果表明,该算法对稀疏数据集具有较好的表现,能够提高推荐的质量。 |
| 关 键 词： | 数据稀疏 协同过滤(CF) Tanimoto相似性系数 推荐算法 矩阵填充 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |