基于用户兴趣模型的协同过滤推荐算法.pdfVIP

第31卷第 11期 计算机应用与软件 Vo1．31 No．11 2014年 11月 ComputerApplicationsandSoftware NOV．2014 基于用户兴趣模型的协同过滤推荐算法 梁天一 梁永全 樊健聪 赵建立 (山东科技大学信息科学与SE程学院 山东 青岛266510) 摘 要 协同过滤推荐算法是目前应用最广泛个性化推荐技术，其中用户相似度的计算方法是影响推荐算法质量的关键 因素。 针对传统协同过滤算法中稀疏评分数据造成的用户相似度计算不准确问题，提出一种基于用户兴趣模型的协同过滤推荐算法。该 算法使用分布估计算法建立用户兴趣模型，并使用用户兴趣模型计算用户间相似度。实验表明，该算法的准确性受数据稀疏性影响 较小，同时在收敛速度和推荐准确性方面有明显提高。 关键词 分布估计算法 协同过滤 用户兴趣模型 中图分类号 TPTP391 文献标识码 A DOI：10．3969／j．issn．1000-386x．2014．11．066 CoLLABoRATIVE FⅡTERING RECoM MENDATIoN ALGoIUTHM BASED ON USER INTERESTM oDEL LiangTianyi LiangYongquan FanJiancong ZhaoJianli (SchoolofInformationScienceandEngi~edng，ShandongUniversityof~ienceand Technology，Qingdao266510，Shandong，China) Abstract Collaborativefilteringrecommendationalgorithm isthemostprevailingindividualisedrecommendationtechnology．Theusers similaritycalculationmethodinitisthekeyfactortoaffectthequali~ ofthealgorithm．Aimingattheissueofinaccuracyof userssimilarity calculationcausedbythesparseratingdatainclassiccollaborativefiltering，weproposeauserinterestmodel—basedcollaborativefiltering recommendationalgorithm．Itbuildsuserinterestmodelbyusingtheestimationof distributionalgorithms(EDAs)，andcalculatesthe similaritybetweenuserswiththemode1．Experimentdemonstratesthattheproposedapproachislessaffectedbydatasparsityonitsaccuracy， andmeanwhileremarkablyimprovesitconvergencespeedandrecommendationaccuracy． Keywords Estimationofdistributionalgorithms(EDAs) Collaborativefiltering Userinterestmodel 准确性方面也有明显提高。 0 引 言 1 相关工作 推荐系统是解决信息超载问题的重要方法。它能够根据用 户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用 基于用户的协同过滤 是最经典的协同过滤推荐算法 ， 户…。近些年来推荐系统在诸多领域 ，尤其是电子商务领域表