基于二阶段相似度学习协同过滤推荐算法.pdfVIP

第3O卷第3期 计 算 机 应 用 研 究 Vo1．30No．3 2013年 3月 ApplicationResearchofComputers Mat．2013 基于二阶段相似度学习的协同过滤推荐算法术 沈 键，杨煜普 (上海交通大学 自动化系 系统控制与信息处理教育部重点实验室，上海 200240) 摘 要：针对传统的基于最近邻协同过滤推荐算法中计算相似度存在的缺陷，提出了一种基于二阶段相似度学 习的协同过滤推荐算法，该算法 旨在通过较少的迭代计算改善推荐算法性能。它以既约梯度法迭代寻优为主、 最近邻算法为辅，通过邻居的海选和精选，最终提高了相似度的计算精度，改善了误差性能。实验表 明，在一定 条件下该算法不仅在误差性能上优于传统的推荐算法，而且其算法收敛速度快，可实现相似度参数动态调整和 分布式计算。 关键词：二阶段；相似度学习；协同过滤；既约梯度法；K-最近邻算法 中图分类号：T