基于不同数据集的协作过滤算法评测.pdfVIP

ISSN 10 — — 00-0054 清华大学学报 (自然科学版)2009年 第49卷 第4期 34／40 CN 11—2223／N JTsinghuaUniv(Sci＆Teeh)，2009，Vo1．49，No．4 59O一594 基于不同数据集的协作过滤算法评测 ～ 董 丽 ， 邢春晓。， 王克宏 (1．清华大学计算机科学与技术系，北京 100084；2．清华大学 图书馆，北京 100084；3．清华大学 信息技术研究院，北京 100084) 摘 要：针对协作过滤算法评测中普遍采用单一数据集，该 协作过滤技术n在 1992年首次提出之后，在个 文将传统 的User—based(近邻数为 20)、Item～based、Item 性化推荐系统中得以广泛应用。协作过滤的基本思 average、Itemuseraverage和 SlopeOne5种算法应用于 想是根据用户兴趣的相似性来推荐资源，通过比较 MovieLens和Book—Crossing两种数据分布特征不同的数据 代表不同用户的用户描述文件的异同(即比较用户 集。结果显示，在Movielens这种评分值相对比较稠密的数 间的兴趣相似度)，根据和 目标用户具有相似兴趣的 据集上，SlopeOne算法的预测精度最好；而在评分值相对 其他用户(和 目标用户具有相似兴趣的用户被称为 比较稀疏的Book～Crossing数据集上，Item—based算法的预 测精度最好，SlopeOne的预测精度最差。选择算法应根据 目标用户的 “邻居”)的观点向用户推荐信息资源。 用户和资源分布具体情况确定。 协作过滤技术的优点是能应用于那些不能直接 关键词：协作过滤；个性化推荐；算法评测 获取特征的资源 ，还能为用户发现更多新的兴趣 。但 是也存在一些 问题，就是随着系统用户和资源的增 中图分类号：TP391．4；TP311．13 文献标识码：A 文章编号：i000—0054(2009)04—059005 多，系统的性能会越来越低 ，在数学模型上表现为数 据稀疏性和可扩展性 。目前，有关协作过滤方面的研 究主要是围绕解决这两个问题展开的。而在实际的 Collaborativefilteringalgorithm 应用中，系统的用户和资源分布情况不同，不同算法 evaluationforvariousdatasets 的表现也不同，现有协作过滤算法评测中普遍采用 DONG Li‘，XING Chunxiao。．WANG Kehong 单一数据集，而忽略算法可能受不同数据集特征影 (1．DepartmentofcomputerScienceandTechnology， 响的情况 。在公开可用的数据集 中，Movielens和 TsinghuaUniversity，Beijing100084，China； 2．TsinghuaUniversityLibrary，Beiji