基于加权融合的E2LSH用户相似度计算-计算机应用与软件.PDF

第３５卷第５期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．５ ２０１８年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１８ 基于加权融合的Ｅ２ＬＳＨ用户相似度计算 陈　浩　马娅婕　金　瑾　徐高凯 （武汉科技大学信息科学与工程学院　湖北武汉４３００８１） 摘　要　　针对传统协同过滤算法遇到现实场景中海量、高维时难以直接进行计算用户相似度和实时性较差的 问题，使用基于ｐｓｔａｂｌｅ分布的局部敏感哈希Ｅ２ＬＳＨ（ＥｘａｃｔＥｕｃｌｉｄｅａｎＬｏｃａｌｉｔｙＳｅｎｓｉｔｉｖｅＨａｓｈｉｎｇ）算法对海量高维 数据降维后计算用户之间的相似度，进一步针对该相似度计算的精度问题使用模型融合技术对多个Ｅ２ＬＳＨ算法 计算的相似用户进行加权融合得到最相似用户。同时对于具有较高相似度的用户使用加权平均方法对目标用户 进行未交互商品的评分预测并对商品进行排序推荐，从而提高推荐实时性和准确率。实验结果表明，算法在用户 相似度计算和推荐准确率方面都有较大提高。 关键词　　局部敏感哈希　模型融合　协同过滤　加权平均 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．０５．０５５ Ｅ２ＬＳＨＵＳＥＲＳＩＭＩＬＡＲＩＴＹＣＡＬＣＵＬＡＴＩＯＮＢＡＳＥＤＯＮＷＥＩＧＨＴＥＤＦＵＳＩＯＮ ＣｈｅｎＨａｏ　ＭａＹａｊｉｅ　ＪｉｎＪｉｎ　ＸｕＧａｏｋａｉ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｈｕｂｅｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｗｈｅｎｔｈｅｔｒａｄｉｔｉｏｎａｌｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｅｎｃｏｕｎｔｅｒｓｔｈｅｍａｓｓｉｖｅ，ｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｉｔｙｏｆｔｈｅ ｒｅａｌｓｃｅｎｅ，ｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｄｉｒｅｃｔｌｙｃａｌｃｕｌａｔｅｔｈｅｕｓｅｒｓｉｍｉｌａｒｉｔｙａｎｄｔｈｅｒｅａｌｔｉｍｅｐｅｒｆｏｒｍａｎｃｅｉｓｐｏｏｒ．Ｔｈｉｓｐａｐｅｒｕｓｅｄ ｔｈｅｌｏｃａｌｓｅｎｓｉｔｉｖｅｈａｓｈ（Ｅ２ＬＳＨ）ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｓｔａｂｌｅｄｉｓｔｒｉｂｕｔｉｏｎｔｏｃａｌｃｕｌａｔｅｔｈｅｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎｕｓｅｒｓａｆｔｅｒ ｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎｏｆｍａｓｓｉｖｅｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄａｔａ．Ｂａｓｅｄｏｎｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｓｉｍｉｌａｒｉｔｙｃａｌｃｕｌａｔｉｏｎ，ｗｅｕｓｅｄｔｈｅ ｍｏｄｅｌｆｕｓｉｏｎｔｅｃｈｎｏｌｏｇｙｔｏｗｅｉｇｈｔｔｈｅｓｉｍｉｌａｒｕｓｅｒｓｃａｌｃｕｌａｔｅｄｂｙｍｕｌｔｉｐｌｅＥ２ＬＳＨａｌｇｏｒｉｔｈｍｓｔｏｇｅｔｔｈｅｍｏｓｔｓｉｍｉｌａｒ ｕｓｅｒｓ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｆｏｒｕｓｅｒｓｗｉｔｈｈｉｇｈｅｒｓｉｍｉｌａｒｉｔｙ，ｗｅｕｓｅｄａｗｅｉｇｈｔｅｄａｖｅｒａｇｅｍｅｔｈｏｄｔｏｔａｒｇｅｔｕｓｅｒｓｔｏｓｃｏｒｅ ｐｒｅｄｉｃｔｉｏｎｓｆｏｒｕｎｉｎｔｅｒａｃｔｉｖｅｐｒｏｄｕｃｔｓａｎｄｔｏｓｏｒｔｐｒｏｄｕｃｔｓｆｏｒｒｅｃｏｍｍｅｎｄａｔｉｏｎ，ｔｈｅｒｅｂｙｉｍｐｒｏｖｉｎｇｔｈｅｒｅａｌｔｉｍｅａｎｄ ａｃｃｕｒａｃｙｏｆｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｈａｄｇｒｅａｔｌｙｉｍｐｒｏｖｅｄｔｈｅ ｓｉｍｉｌａｒｉｔｙｃａｌｃｕｌａｔｉｏｎａｎｄｒｅｃｏｍｍｅｎｄａｔｉｏｎａｃｃｕｒａｃｙｏｆｕｓｅｒｓ． Ｋｅｙｗｏｒｄｓ　　Ｅ２ＬＳＨ　Ｍｏｄｅｌｆｕｓｉｏｎ　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ　Ｗｅｉｇｈｔｅｄａｖｅｒａｇｅ 的检索过程。本文使用了精确欧式局部敏感哈希 ０　引　言 （Ｅ２ＬＳＨ）算法在海量高维用户群体中