Weighted-Tau Rank一种采用加权Kendall Tau的面向排序的协同过滤算法.pdfVIP

Vo 1. 28 , No. 1 中文信息学报 第 28 卷第1 期 Jan. , 2014 2014 年 1 月 JOURNAL OF CHINESE INFORMATION PROCESSING 文章编号: 1003-0077(2014)01-0033-08 Weighted-Tau Rank: 一种采用加权 Kendall Tau 的面向排序的协同过滤算法 孙建凯，王帅强，马军 (山东大学计算机学院，山东济南 250101) 摘 要2 已知的面向排序的协同过滤算法主要有两个缺点2 计算用户相似度时只考虑用户对同一产品对的偏好是 否一致，而忽略了用户对产品对的偏好程度以及该偏好在用户间的流行度z 进行偏好融合和排序时需要中间步骤 未构建价值函数然后才能利用贪婪算法产生推荐列哀。为解决上述问题z 我们利用类 TF-IDF 加权策略对用户的 偏好程度及偏好流行度进行综合考量，使用加权的 Kendall Tau 相关系数计算用户间的相似度:进行偏好融合与排 序时则使用基于投票的舒尔茨方法直接产生旅荐列表。在两个电影数据集上，本文提出的算法在许测指标 NDCG 上的效果要明显优于其他流行的协同过法算法。 关键诩z 协同过滤z 面向排序p 加权 Kendall Tau; 舒尔茨方法 中图分类号: TP391 文献标识码:A Weighted-Tau Rank: a Ranking-Oriented Algorithm for Collaborative Filtering SUN Jiankai , WANG Shuaiqiang , MA Jun (Department of Computer Science and Technology , Shandong University , Jinan , Shandong 250101 , China) Abstract: Most ranking-oriented collaborative filtering (CF) algorithms have two limitations. Firstly , they only con- sider the accordance of user preferences but ignore the degrees and popularities of user preferences when computing user similarities. Secondly , an intermediate step is necessary to formulate the value function , for preference predic- tion and aggregation in greedy algorithms to derive recommendation lists. To address these problems , we propose a Degree-Popularity weighting scheme integrating TF-IDF to weight the degrees and popularities of user pairwise rela tive preferences , and compute similarities betwee