72-罗辛-通过相似度支持度优化基于K近邻的协同过滤算法.pdfVIP

通过相似度支持度优化基于 K 近邻的协同过滤算法 罗辛 欧阳元新 熊璋 袁满 （北京航空航天大学计算机学院，北京，100191） 摘 要 个性化推荐系统能基于用户个人兴趣为用户提供定制信息。此类系统通常使用协同过 滤技术实现，其中一种广泛使用的经典模型是基于用户评分相似度的K 近邻模型。使用K 近邻 模型需要预先计算出用户或者项目的K 个最近邻居，K 值过大时会导致计算量过大而影响推荐 产生的实时性，而K 值过小则会导致推荐精度下降。为解决此问题，本文中提出了一种新的最 近邻度量——相似度支持度。基于相似度支持度，本文提出了数种能够在保持推荐精度和密度 的前提下维持合理规模的K 近邻的策略。在真实大规模数据集上的实验结果表明，相比传统算 法，本文提出的策略能够在保证推荐精度的前提下大幅降低计算复杂度。 关键词 个性化推荐；协同过滤 中图法分类号 TP 391.4 The Effect of Similarity Support in K-nearest-neighborhood Based