【摘要】：針對傳統(tǒng)矩陣填充算法忽略了預測評分與真實評分之間的可信度差異和傳統(tǒng)Top-N方法推薦精度低等問題,提出了一種改進的協(xié)同過濾算法.該算法首先利用置信系數(shù)C區(qū)分評分值之間的可信度;然后提出物品可預測性的概念,綜合物品的預測評分與物品的可預測性進行物品推薦并將其轉(zhuǎn)化為0-1背包問題,從而篩選出最優(yōu)化的推薦列表.實驗結(jié)果表明:該算法能有效緩解稀疏性的影響,提高推薦性能,并且算法具有良好的可擴展性.
【圖文】：

９期逡逑潘濤禱等：h視誆噠筇畛浜臀鍥房稍げ廡緣男慫惴ㄥ義希保叮埃卞義戲治鍥罰疚慕鍥販治霾憒�，紡臎]Ч餐婪皺義銜鍥罰槳耍匆揮沒婪治鍥罰玨澹洛澹斟澹煤灣義瞎餐矗櫧椒治鍥酚捎謔�？稀蕶删壻Z掠緬義匣Ъ涔餐婪治鍥貳良本緙跎�，基釉彶同评分五浄辶x系南嗨貧燃撲惴椒ú還蛔既罰卣筇畛浞椒ㄍü鑠義銑洌保�，中未评风姏]У鈉婪質(zhì)蠱渥餐婪治镥義掀罰率翹畛淶腦げ餛婪鐘胝媸燈婪值目燒捕葂伈誨義賢模檔賈孿嗨乞撲閌輩煌憒撾鍥分叩囊庖邋義洗笮∫膊煌擼偕璐嬖諼鍥罰浚�，，若ｉ邋ｅ邋则两个泳捔x匣У鈉婪侄際欽媸燈婪鄭嗨乞撲憬帷目晌潭儒義細嘵簦殄澹玨澹保�，则其中一个記]У鈉婪治げ餛婪鄭義舷嗨貧燃撲銄P臬的可信度較低．逡逑傳統(tǒng)Ｔｏｐ－Ｎ推薦方法只根據(jù)物品預測評分的逡逑高低生產(chǎn)推薦列表，標準單一不夠準確．針對此問逡逑題，提出本文的第二個創(chuàng)新點：引入物品可預測性對逡逑Ｔｏｐ－r>算法進行改進．綜合物品的預測評分與物品逡逑的可預測性，并將其轉(zhuǎn)化成最優(yōu)化問題，利用０－１背逡逑包算法糴得到最優(yōu)解即最佳的推薦列表，由于推薦逡逑列表是布計算出預測評分之后產(chǎn)銀，所以改進后的逡逑推薦算法可以和其他任意評分預測算法結(jié)合，具有逡逑良好的可擴擺性‘逡逑３．２復雜性分析逡逑隨著技術的不斷進步，存儲空何對算法的影響逡逑減弱．因此本節(jié)主要對算法的時間復雜度進行分逡逑析．本文算法的T間開銷主栗來自矩、陣評分填充，逡逑用戶間相似度計算５物品可預測性計算以及推薦逡逑列表生成．矩陣評分填充是先預測用戶對未評分逡逑物品的評分，然后對矩陣進行填充，時間復雜度為逡逑０（ｍ２）；用戶間相似虔計算需要計算ｍ個用戶丨旬逡逑的相

與j?FeC151on的關系
【作者單位】： 國家數(shù)字交換系統(tǒng)工程技術研究中心;江南計算技術研究所;
【基金】：國家高技術研究發(fā)展計劃(863計劃)(2014AA01A) 國家自然科學基金(61572520)資助~~
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過濾算法[J];計算機系統(tǒng)應用;2007年01期

2 楊風召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應用;2007年06期

3 王嵐;翟正軍;;基于時間加權的協(xié)同過濾算法[J];計算機應用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導購系統(tǒng)[J];武漢大學學報(工學版);2008年02期

5 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學學報;2009年04期

7 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進研究[J];計算機技術與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過濾推薦技術[J];農(nóng)業(yè)圖書情報學刊;2013年08期

相關會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學術會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學術會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集A輯一[C];2010年

相關博士學位論文 前7條

1 紀科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學;2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡推薦系統(tǒng)關鍵技術研究[D];中國海洋大學;2015年

3 于程遠;基于QoS的Web服務推薦技術研究[D];上海交通大學;2015年

4 李聰;電子商務推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學;2009年

5 孔維梁;協(xié)同過濾推薦系統(tǒng)關鍵問題研究[D];華中師范大學;2013年

6 夏培勇;個性化推薦技術中的協(xié)同過濾算法研究[D];中國海洋大學;2011年

7 趙向宇;Top-N協(xié)同過濾推薦技術研究[D];北京理工大學;2014年

相關碩士學位論文 前10條

1 鄒騰飛;基于多特征融合的混合協(xié)同過濾算法研究[D];西南大學;2015年

2 于鈺雯;基于項目凝聚層次聚類的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

3 杜文剛;基于多屬性評分的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

4 高慧敏;融合占有度的時間遺忘協(xié)同過濾混合推薦算法研究[D];燕山大學;2015年

5 蘇靖涵;面向SaaS多租戶的動態(tài)推薦方法研究[D];遼寧大學;2015年

6 徐曉妮;基于人工魚群算法的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

7 羅培;移動購物導購關鍵技術的研究與系統(tǒng)實現(xiàn)[D];西南交通大學;2015年

8 李婧;融合用戶差異度及信息熵的協(xié)同過濾推薦算法[D];西安建筑科技大學;2015年

9 樂柱;基于誤差反饋的協(xié)同過濾算法[D];華南理工大學;2015年

10 馬兆才;基于協(xié)同過濾的推薦系統(tǒng)算法研究與實現(xiàn)[D];蘭州大學;2015年

本文編號：2528425