摘要:
针对实时推荐过程中实际数据的稀疏性, 满足条件的项目或用户较少, 导致推荐精度较低的问题, 提出一种采用抽样近邻的协同过滤算法. 该算法充分利用评分用户矩阵提供的信息, 增加了参与到预测评分计算过程中的用户或项目, 从而解决了传统协同过滤算法在实际应用中的不足. 实验结果表明, 在增加在线计算时间较少的情况下所给算法可有效提高推荐精度.
中图分类号:
董立岩, 刘晋禹, 蔡观洋, 李永丽. 基于抽样近邻的协同过滤算法[J]. 吉林大学学报(理学版), 2014, 52(04): 779-782.
DONG Liyan, LIU Jinyu, CAI Guanyang, LI Yongli. Collaborative Filtering Algorithm Based on Sampling Neighbor[J]. Journal of Jilin University Science Edition, 2014, 52(04): 779-782.