基于精确欧氏局部敏感哈希的改进协同过滤推荐算法-计算机工程.PDFVIP

第 卷 第 期 计 算 机 工 程 年 月 先进计算与数据处理 文章编号 文献标志码 中图分类号 基于精确欧氏局部敏感哈希的改进协同过滤推荐算法 钟 川陈 军 武汉大学 国家多媒体软件工程技术研究中心武汉 摘 要 针对经典协同过滤推荐算法中用户评分数据的规模大高稀疏度以及直接进行相似度计算实时性差等问 题提出基于 分布的分层精确欧氏局部敏感哈希算法 利用 算法查找相似用户在得到 相似用户后使用加权平均方法对用户未评分项目进行评分预测从而提高推荐结果的准确性 实验结果表明与 基于局部敏感哈希的协同过滤推荐算法相比该算法具有较高的运行效率及推荐准确率 关键词 精确欧氏局部敏感哈希 相似度 排序 协同过滤 推荐系统 中文引用格式钟 川陈 军基于精确欧氏局部敏感哈希的改进协同过滤推荐算法计算机工程 英文引用格式 度极高但评分记录有少部分缺失的用户排除这样 概述 会丢失一些相似度高的用户 针对该情况给出以下 随着近年来互联网用户量和数据量的不断增加 改进方案根据用户的评分情况在用户 和用户 协同过滤算法的计算效率越来越低同时推荐结果的 相似度计算时将用户 未评分而用户 评分的项设 准确度在干扰越来越多的情况下不断下降 局部 置为用户的平均评分进行推荐 敏感性哈希 被应用 相关工作 于推荐系统的近邻查找中 本文提出一种改进的 协同过滤推荐算法使用精确欧氏局部敏感哈希 在相似用户的查找过程中需要解决的问题是 查找与用户 相似的其他用户线性查找方式的时 算法来查找用户的相似近邻在得到相似近邻后采 间和空间复杂度都比较高 在当前数据量不断扩 用改进的协同过滤算法进行推荐结果计算 在协同