基于模糊时序分类与加权相似度的推荐算法-计算机工程.PDF

第 卷 第 期 计 算 机 工 程 年 月 人工智能及识别技术 文章编号 文献标志码 中图分类号 基于模糊时序分类与加权相似度的推荐算法 卢佳乐李为相毛祥宇 南京工业大学 电气工程与控制科学学院南京 摘 要 为解决用户推荐过程中的数据稀疏性和冷启动问题通过构建模糊时序分类模型设计相似度加权推荐算 法 预处理数据时结合用户属性标签和时间维度建立模糊时序分类模型并采用拉格朗日插值法进行空白数据的 预测填充 针对不同用户个人评分偏高或偏低造成的评分差异以及单方面评级问题利用相似度加权融合方法提 高算法准确性 实验结果表明该算法能有效降低平均绝对误差提高推荐质量 关键词 模糊时序分类模型预测填充评分差异加权融合 中文引用格式卢佳乐李为相毛祥宇基于模糊时序分类与加权相似度的推荐算法 计算机工程 英文引用格式 分类特征提高推荐结果的准确性 文献 根据用 概述 户的时间兴趣度及项目评分计算项目得分相似性 针对社交网络中用户的复杂需求和庞大数据间 按一定权重比例将相似性结合作为最终相似性来提 的矛盾协同过滤推荐算法得到了广泛的应用 高推荐精度 文献 提出相似可信度用户对项目 一般地协同过滤 可分为基于用户的协同过滤推 喜爱程度及用户对项目类别关注度来优化相似性计 荐算法和基于项目的协同过滤推荐算法 基于用户 算 然而上述文献忽略了评级的分数高低问题对 的协同过滤推荐算法是根据用户对项目的评分通 推荐精确度存在一定的影响 文献 利用评分差 过对用户间相似度大小进行计算找出最近邻为用 异度结合用户对项目的兴趣程度来进行综合推荐 户推荐未曾评分过的项目该算法被提出后受到广 改进了推荐算法精确度 文献 通过引入用户特 泛关注 文献 提出项目评分预测填充的方式缓 征属性并结合最小权重相似度提出用户属性与活 解数据稀疏性以改善相似度计算精度 文献 提 跃邻居加权的协同过滤算法提高了算法准确度且 出语法结构混合加权方式利用语法分析结果提取 具有更好的稳定性 文献 引入用户兴趣偏好因 基金项目江苏省 六大人才高峰项目