一种缓解协同过滤算法数据稀疏性的方法.pdfVIP

软件 2015 年第 36 卷 第 3 期 SOFTWARE 国际 IT 传媒品牌 一种缓解协同过滤算法数据稀疏性的方法 蔡雄峰，艾丽华，丁丁 (北京交通大学计算机与信息技术学院, 北京 100044) : 协同过滤算法是推荐系统中最古老的算法之一，同时也是当今推荐系统中使用最广泛的一种算法。但是 在简单,效率高的同时,协同过滤算法还存在数据稀疏性，冷启动等一些问题.本文针对其数据稀疏性的问题，提出了一种 根据兴趣度预测用户未评分项目的方法。最后通过基于 Netflix 数据集的实验结果表明，该方法能够更好的处理稀疏矩 阵，能缓解数据稀疏问题，从而提高了协同过滤算法的准确性。 : 协同过滤；推荐系统；数据稀疏；兴趣度；填充矩阵 中图分类号: TP391.1 文献标识码: A DOI： 10.3969/j.issn.1003-6970.2015.03.009 本文著录格式：蔡雄峰，艾丽华，丁丁. 一种缓解协同过滤算法数据稀疏性的方法[J]. 软件，2015，36(3)：4147 An method for alleviating data sparsity in collaborative filtering algorithm CAI Xiong-feng, AI Li-hua, DING Ding (School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044, China) 【Abstract 】: The Collaborative Filtering Algorithm is one of the most ancient algorithm in recommendation system. At the same time, with the simpilicity and high efficiency, the collaborative filtering algorithm has encountered data spar- sity and cold starts problems. In this article, against the issue in data sparsity, we propose a method based on interes- tingness to predict the unrated scores by users.At the end of the ariticle, we made experiments based on Netflix dataset, and indicates that the method could better process the sparse matrix, and relieve the issue in data sparsity, and enhence improve the accuracy of collaborative filtering algorithm. 【Key words 】: collaborative filtering; recommendation system; data sparsity; interestingness; matrix filling 0 引言 当今互联网世界中最常见的智能产品可以说是推荐系统了。推荐系统在如今互联网的应用和产品中已 被广泛采用，比如大家每天都可能会使用到的相关搜索、微博上的热门推荐、电子商务网站的各种产品推 荐、Facebook 等社交网站上的好友推荐等等。伴随着互联网信息爆炸式的增长，“信息过载”问题变得越 来越严重。人们面对海量的数据，非常困难迅速有效的找到自己感兴趣，自己所真正需要的信息。目前解 决这个问题大致有两种方法，第一种是以搜索引擎为代表的信息检索技术，第二种是以推荐