对基于项目的协同过滤推荐系统的改进.pdfVIP

第24卷 第 9期 重 庆 理 工 大 学 学报 (自然科学) 2010年 9月 V0lI．24 No．9 JournalofChongqingUniversityofTechnology(NaturalScience) Sep．2010 对基于项 目的协同过滤推荐系统的改进 傅鹤 岗，王竹伟 (重庆大学 计算机学院，重庆 400044) 摘 要：对基于项 目的传统的协同过滤算法进行了改进。传统的基于项 目的协同过滤算法 面临推荐效率低下和推荐精度不高的双重困难 ，为此，提出加权整合聚类分类预测方法，在数据 处理和预测推荐过程 中分别采用加权评分填充和重新定义相似性的办法提高推荐的准确度，并 采用项 目聚类的方法提高推荐效率，同时提出贡献度参数的概念对数据处理和预测推荐过程进 行修正。采用 MovieLens的数据集进行的实验对比，结果表 明：改进算法能够明显提高协 同过 滤推荐算法的效率和精度 ，在数据比较稀疏的情况下依然能够保持较低的平均绝对偏差和较高 的推荐效率。 关 键 词：加权整合；分类预测；贡献度参数；平均绝对偏差；推荐效率 中图分类号：TP311 文献标识码 ：A 文章编号 ：1674—8425(2010)09—0069—06 ImprovementofItem-BasedCollaborativeFilteringAlgorithm FU He—gang ，W ANG Zhu—wei (collegeofComputerScience，ChongqingUniversity，Chongqing400044，China) Abstract：Thismainobjectiveofthisstudyistoimprovetheitem—basedcollaborativefilteringalgo— rithm．Thetraditionalitem．basedcollaborativefilteringalgorithm facedthedoubletroublesonrecom— mendationinefficiencyandlow accuracy．Therefore，theWeightedintegrationofclusteringclassifica— tionforecastingmethodisproposedinthispaper．Themethodusesthere—weightedscoringapproach andthere—definitionofsimilarityapproachinthedataprocessingandintheprocessofforecastingrec ommendationrespectively．Itusesitem clusteringmethodtoimprovetherecommendationefficiency． Meanwhile，theconceptofcontributiondegreeparameterstorevisethedataprocessingandthepredie。 tionofrecommendalionprocessisproposed。ThroughthecomparisonoftheexperimentwithMovielens datasets，theresultsshow thattheimprovedalgorithm cansignificantlyimprovetheefficiencyandas— curacyofthecollaborativefiltering．，andalsocanmaintainalowaverageabsolutedeviationandhigh— erlevelofefficiencyoftherecommendationevenwhenthedataisrelativelysparse． Keyword：weightedintegration；classificationandp