一种改进的结合标签和评分的协同过滤推荐算法-南京师范大学学报.pdfVIP

第３８卷第 １期 南京师大学报(自然科学版) Ｖｏｌ３８ Ｎｏ１ ２０１５年３月 ＪＯＵＲＮＡＬ ＯＦ ＮＡＮＪＩＮＧ ＮＯＲＭＡＬ ＵＮＩＶＥＲＳＩＴＹ(Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ) Ｍａｒꎬ２０１５ 一种改进的结合标签和评分的协同过滤推荐算法 高　 娜ꎬ杨　 明 (南京师范大学计算机科学与技术学院ꎬ江苏 南京 ２１００２３) [摘要]　 推荐系统由于其数据量庞大的原因ꎬ已经成为大数据领域研究的一个热点. 而协同过滤算法是推荐系 统中最著名的算法之一. 传统协同过滤算法在利用评分矩阵进行推荐时ꎬ面临数据稀疏性问题ꎬ从而严重影响推 荐的质量. 同时ꎬ推荐系统中存在大量的描述用户和产品属性特征的标签信息ꎬ把这些标签信息融入到传统的推 荐算法中是解决稀疏性的一个有效方法. 因此ꎬ针对稀疏性问题ꎬ本文提出了一种结合标签和评分的协同过滤推 荐算法. 该算法结合标签信息和评分数据共同计算用户之间或产品之间的相似性ꎬ进而为用户产生推荐. 实验 结果表明ꎬ本文提出的算法可以有效解决数据稀疏性问题ꎬ同时可以提高推荐系统的准确性. [关键词]　 协同过滤ꎬ标签ꎬ推荐系统ꎬ稀疏性 － － － [中图分类号]ＴＰ３９１　 [文献标志码]Ａ　 [文章编号]１００１ ４６１６(２０１５)０１ ００９８ ０６ Ａｎ Ｉｍｐｒｏｖｅｄ Ｕｎｉｆｙｉｎｇ Ｔａｇｓ ａｎｄ Ｒａｔｉｎｇｓ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ ｆｏｒ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ Ｓｙｓｔｅｍ Ｇａｏ ＮａꎬＹａｎｇ Ｍｉｎｇ (Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ ＴｅｃｈｎｏｌｏｇｙꎬＮａｎｊｉｎｇ Ｎｏｒｍａｌ ＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ２１００２３ꎬＣｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍｈａｓｂｅｃｏｍｅｔｈｅｈｏｔ ｔｏｐｉｃｗｉｄｅｌｙ ｓｔｕｄｉｅｄ ｉｎｔｈｅｆｉｅｌｄｏｆ ｂｉｇ ｄａｔａ ｄｕｅｔｏｔｈｅｍａｓｓｉｖｅａ￣ ｍｏｕｎｔｓ ｏｆ ｄａｔａ ｉｔ ｃｏｎｔａｉｎｓ.Ｗｈｉｌｅｔｈｅｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｏｎｅｏｆ ｔｈｅｍｏｓｔｐｏｐｕｌａｒ ａｐｐｒｏａｃｈｉｎｔｈｅｒｅｃｏｍｍｅｎｄａ￣ ｔｉｏｎ ｓｙｓｔｅｍ. Ｗｈｅｎ ｍａｋｉｎｇ ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ ｕｓｉｎｇ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ(ＣＦ)ａｌｇｏｒｉｔｈｍｓ ｂａｓｅｄ ｏｎ ｒａｔｉｎｇｓ ｍａｔｒｉｘꎬｗｅ ｆａｃｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｓｐａｒｓｉｔｙ ｔｈａｔ ｓｅｒｉｏｕｓｌｙ ｉｍｐａｉｒｓ ｔｈｅ ｑｕａｌｉｔｙ ｏｆ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ. Ｍｅａｎｗｈｉｌｅꎬｔｈｅｒｅ ｉｓ ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｔａｇｓｉｎｆｏｒｍａｔｉｏｎｔｈａｔ ｄｅｓｃｒｉｂｅｔｈｅａｔｔｒｉｂｕｔｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆ ｕｓｅｒｓａｎｄｉｔｅｍｓ.Ｉｎｔｅｇｒａｔｉｎｇｔｈｅｓｅｔａｇｓｉｎｆｏｒｍａｔｉｏｎｉｎｔｏ ｔｈｅｔｒａｄｉｔｉｏｎａｌ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｉｓ ａ ｐｒｏｍｉｓｉｎｇ ｍｅａｎｓ ｔｏ ａｌｌｅｖｉａｔｅ ｔｈｅ ｓｐａｒｓｉｔｙ ｐｒｏｂｌｅｍ. Ｔｈｅｒｅｆｏｒｅꎬｔｏ ａｄｄｒｅｓｓ ｔｈｅ ｓｐａｒｓｉｔｙ ｐｒｏｂｌｅｍꎬｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｎｅｗ ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｔｈａ