發(fā)布時(shí)間：2019-04-15 19:11

【摘要】：大多數(shù)用戶相似性算法在計(jì)算用戶相似性時(shí)只考慮了用戶間的共同評(píng)分項(xiàng),而忽略了用戶其他評(píng)分中可能隱藏的有價(jià)值信息.為了準(zhǔn)確評(píng)估用戶間的相似性,提出了一種基于KL散度的用戶相似性協(xié)同過濾算法.該算法不僅利用了共同評(píng)分項(xiàng),還考慮了其他非共同評(píng)分信息的影響.該算法充分利用了用戶的所有評(píng)分信息,提高了用戶相似性度量的可靠性和準(zhǔn)確性.實(shí)驗(yàn)結(jié)果表明,該算法優(yōu)于當(dāng)前主流的用戶相似性算法,且在沒有共同評(píng)分信息的條件下,仍能有效地完成用戶相似性度量,解決了對(duì)共同評(píng)分項(xiàng)的完全依賴問題,具有更好的適應(yīng)性.
[Abstract]:When calculating user similarity, most user similarity algorithms only consider the common evaluation items among users, and ignore the valuable information that may be hidden in other user scores. In order to accurately evaluate the similarity among users, a collaborative filtering algorithm of user similarity based on KL divergence is proposed. This algorithm not only makes use of the common scoring item, but also considers the influence of other non-common scoring information. This algorithm makes full use of all the scoring information of users and improves the reliability and accuracy of user similarity measurement. The experimental results show that the proposed algorithm is superior to the current mainstream user similarity algorithms, and can effectively measure the user similarity without common scoring information, thus solving the problem of complete dependence on the common scoring items. Have better adaptability.
【作者單位】： 重慶郵電大學(xué)電子商務(wù)與現(xiàn)代物流重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61472464) 國(guó)家社會(huì)科學(xué)基金項(xiàng)目(14CTQ026) 重慶市自然科學(xué)基金項(xiàng)目(cstc2015jcyj A10081)
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王永;鄧江洲;鄧永恒;張璞;;基于項(xiàng)目概率分布的協(xié)同過濾推薦算法[J];現(xiàn)代圖書情報(bào)技術(shù);2016年06期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳端兵;周玉林;傅彥;;一種基于鄰居信息的最大派系過濾算法[J];計(jì)算機(jī)科學(xué);2011年01期

2 潘偉洪;曾紀(jì)瑤;;教學(xué)評(píng)估系統(tǒng)的數(shù)據(jù)過濾算法的設(shè)計(jì)與實(shí)現(xiàn)[J];電腦知識(shí)與技術(shù);2006年14期

3 李永;徐德智;張勇;邢春曉;;協(xié)作過濾算法中一種預(yù)測(cè)值判定方法的研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年03期

4 傅鶴崗;彭晉;;基于模范用戶的改進(jìn)協(xié)同過濾算法[J];計(jì)算機(jī)工程;2011年03期

5 張莉;滕丕強(qiáng);秦桃;;利用社會(huì)網(wǎng)絡(luò)關(guān)鍵用戶改進(jìn)協(xié)同過濾算法性能[J];情報(bào)雜志;2014年04期

6 高鳳榮;邢春曉;杜小勇;王珊;;基于矩陣聚類的協(xié)作過濾算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

7 謝翔宙;張延園;;一種優(yōu)化的組合協(xié)同過濾算法[J];微電子學(xué)與計(jì)算機(jī);2010年12期

8 劉浩杰;金鑫;;一種改進(jìn)的協(xié)作過濾算法[J];電氣自動(dòng)化;2011年05期

9 何苗;全宇;;基于關(guān)鍵詞的文本內(nèi)容過濾算法的改進(jìn)[J];微計(jì)算機(jī)應(yīng)用;2007年08期

10 章炯;李華;;基于資源類的時(shí)間加權(quán)協(xié)作過濾算法[J];計(jì)算機(jī)應(yīng)用研究;2009年06期

相關(guān)會(huì)議論文 前4條

1 趙勇;高鳳榮;邢春曉;;基于用戶權(quán)威的協(xié)作過濾算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

2 黃申;李宏言;王士進(jìn);徐波;;英語(yǔ)口語(yǔ)重復(fù)修正檢錯(cuò)中語(yǔ)法網(wǎng)絡(luò)和搜索過濾算法研究[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

3 陳志文;姜建國(guó);王開云;;網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)警報(bào)過濾算法設(shè)計(jì)[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

4 黃申;李宏言;王士進(jìn);徐波;;英語(yǔ)口語(yǔ)重復(fù)修正檢錯(cuò)中語(yǔ)法網(wǎng)絡(luò)和搜索過濾算法[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（二）[C];2011年

相關(guān)博士學(xué)位論文 前1條

1 張亮;推薦系統(tǒng)中協(xié)同過濾算法若干問題的研究[D];北京郵電大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 趙東波;協(xié)同過濾算法相似度和擴(kuò)展性問題的研究與改進(jìn)[D];東北師范大學(xué);2015年

2 商楊;基于MapReduce的可擴(kuò)展協(xié)同過濾算法的研究[D];大連海事大學(xué);2015年

3 王彩群;分布式協(xié)同過濾算法研究[D];北京理工大學(xué);2015年

4 江南;推薦系統(tǒng)中協(xié)同過濾算法研究[D];重慶大學(xué);2015年

5 申輝繁;協(xié)同過濾算法中冷啟動(dòng)問題的研究[D];重慶大學(xué);2015年

6 魏歡;基于網(wǎng)格聚類—協(xié)同過濾算法的推薦系統(tǒng)研究[D];西安工程大學(xué);2016年

7 楊露;基于協(xié)同過濾算法的鶴崗師專多媒體教學(xué)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2016年

8 孔艷莉;基于協(xié)同過濾算法的個(gè)性化推薦技術(shù)研究[D];北京工業(yè)大學(xué);2016年

9 孔亭;基于協(xié)同過濾算法的備課資源推薦方法的研究[D];東北師范大學(xué);2016年

10 申凱麗;推薦系統(tǒng)中協(xié)同過濾算法的改進(jìn)與研究[D];北京交通大學(xué);2017年

，

本文編號(hào)：2458408