基于加权多融合偏好与结构相似度的协同过滤算法.pdfVIP

第42卷 第 10期 计 算 机 工 程 2016年 10月 VO1．42 No．10 ComputerEngineering October2016 · 先进计算与数据处理 · 文章编号：1000-3428(2016)100064-05 文献标志码：A 中图分类号：TP18 基于加权多融合偏好与结构相似度的协 同过滤算法 何 顺 ，王淑娟 ，雷建云 (中南 民族大学 计算机科学学院，武汉 430074) 摘 要：当推荐系统中用户评分数据集是稀疏数据时，使用基于评分相似度或基于结构相似度的传统协同过滤算 法会增加最近邻选取误差。针对这一不足，综合用户对于类别的偏好情况，提出基于融合评分及类别偏好相似度 的协同过滤算法。为更准确地发现相似用户，考虑用户在评分结构上存在的相似性，进一步提出加权多融合偏好 及结构相似度度量方法。实验结果表明，该算法可减少平均绝对误差，提高推荐质量 。 关键词：协同过滤；推荐系统；稀疏数据；最近邻；相似度；加权多融合 中文引用格式 ：何 顺，王淑娟，雷建云．基于加权 多融合偏好与结构相似度的协同过滤算法 [J]．计算机工程， 2016，42(10)：64—68． 英文引用格式 ：HeShun，WangShujuan，LeiJianyun．CollaborativeFilteringAlgorithmBasedonWeightedMulti—fusion PreferenceandStructureSimilarity[J]．ComputerEngineering，2016，42(10)：64—68． CollaborativeFilteringAlgorithm Based on W eightedM ulti-fusionPreferenceandStructureSim ilarity HEShun，WANGShujuan，LEIJianyun (SchoolofComputerScience，South—centralUniversityforNationalities，Wuhan430074，China) 【Abstract】Iftheratingdatasetofusersintherecommendationsystemconsistsofsparsedata，itisnotidealtousethe traditionalcollaborativefilteringalgorithm basedonrating similarityorstructuresimilarity，becauseofthelargeerrorin nearestneighborselection．Aimingattheshortcomingsoftraditionalcollaborativefilteringalgorithms，thispaperproposes acollaborativefilteringalgorithm fusingratingandclasspreferencesimilarity．Inordertomeasurethesimilaritybetween usersmoreaccurately，themeasurementmethod ofweightedmulti—fusion preferenceand structuresimilarityisthefurther improvementofthe measurementmethod offusing score and class preference similarity．Through the experimental comparison，itisshowedthattheproposedalgorithm canreducetheMeanAbsoluteError(MAE)andimprovethequality ofrecommendation． 【Keywords】collaborativefiltering；r