基于优化欧氏距离的协同过滤推荐.pdfVIP

计 算 机 与 现 代 化 2015年第3期 JISUANJIYUXIANDAIHUA 总第235期 文章编号 ：1006-2475(2015)03-0037-04 基于优化欧氏距离的协 同过滤推荐 陈小辉 ，高 燕 (榆林学院信息工程学院，陕西 榆林 719000) 摘要：由于推荐系统中用户对项 目的评价数据具：有多样性和稀疏性的特点，传统的相似性度量算法不能有效查找相似邻 居，本文提 出一种基于优化欧氏距离的邻居相似度计算方法，在欧氏距离计算的基础上引入归一化处理和杰卡德相似 系 数，并最终作出评价预测和推荐。在典型数据集上的实验结果显示该算法能够有效提高协同过滤推荐系统的推荐性能。 关键词：协同过滤；欧氏距 离；归一化；杰卡德相似 系数 中图分类号：TP311 文献标识码 ：A doi：10．3969／j．issn．1006—2475．2015．03．008 CollaborativeFilteringRecommendationBasedonOptimizationEuclideanDistance CHEN Xiao—hui，GAOYan (InformmionEngineeringSchool，YulinUniversity，Yulin719000，China) Abstract：UserevaluationdataofiternsoftenareoJthebiodiversityandsparsecharacteristicincollaborativefilteringrecommen— d~ionsystem，thetraditional similaritymeasurementalgorithm cannoteffectivelyfindsimilarneighbors，thispaperproposeda neighborsimilaritycomputingalgorithmbasedonoptimizedEuclideandistance．Thealgorithm introducednormalizationandJac— cardsimilaritycoefficientbasedonEuclideandistartcecalculation，andfinallymadetheevaluationpredictionandrecommenda— tion．Theexperimentsresultontypicaldatasetshow thatthealgorithm caneffectivelyimprovetheperfomr anceofcollaborativefil— teringrecommendationsystem． Keywords：collaborativefiltering；Euclideandistance；normalized；Jaccardsimilaritycoefficient 的邻居查找算法找出若干个相似性较高的邻居，使用 0 引 言 这些邻居的评价数据预测当前用户对一些项 目的评 在过去的十余年中，网络上的信息数量呈爆炸模 价并给出推荐[1。协同过滤推荐算法又可进一步分 式大幅增长，同时也伴随着网上电子商务成交量的大 为基于内存和基于模型2类，前者常用于现在大多数 幅提升，越来越多的人愿意通过互联网获取需要的商 的网上交易和服务系统，后者多用于相关的推荐算法 品和服务，可是由于网上巨大的信息量，用户获取有 研究。基于内存的协同过滤推荐过程是先计算用户 效信息的成本变得 日益昂贵。推荐系统作为一种信 或者 item之间的相似度