摘要: 针对推荐系统中存在的自然噪声问题, 提出一种基于概念格的稀疏数据协同过滤校正自然噪声的方法. 首先将用户和项目划分为强、 平均和弱三类检测自然噪声, 然后采用基于概念格的稀疏数据协同过滤校正这些自然噪声, 最后从获得的无自然噪声数据集中预测未评级的项目. 在含自然噪声的数据集上进行实验的结果表明, 该方法具有较高的推荐精度, 且在数据稀疏的情形下仍具有良好的性能.
中图分类号:
朵琳, 杨丙. 基于概念格的稀疏数据协同过滤校正自然噪声方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1173-1180.
DUO Lin, YANG Bing. Collaborative Filtering Correction of Natural Noise Method of Sparse Data Based on Concept Lattice[J]. Journal of Jilin University Science Edition, 2020, 58(5): 1173-1180.