协同过滤中一种有效的最近邻选择方法.PDFVIP

第26 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.26摇 No.10 摇 2013年10月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Oct.摇 摇 2013 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 协同过滤中一种有效的最近邻选择方法* 1,2 1,2 1 3 冷亚军 摇 摇 梁昌勇 摇 摇 丁摇 勇摇 摇 陆摇 青 1(合肥工业大学 管理学院摇 合肥230009) 2(过程优化与智能决策教育部重点实验室摇 合肥230009) 3(上海电力学院经济与管理学院摇 上海201300) 摘摇 要摇 协同过滤中的评分数据稀疏性使得最近邻搜寻不够准确,导致推荐质量较差.基于此,文中提出一种有效 的针对稀疏评分的最近邻选择方法———两阶段最近邻选择算法(TPNS).TPNS分为两个步骤,首先计算用户间的 近邻倾向性,选择近邻倾向性较高的用户组成初始近邻集合;然后根据初始近邻集合计算目标用户与其他用户间 的等价关系相似性,使用等价关系相似性对目标用户的初始近邻集合进行修正,得到最近邻集合.在MovieLens数 据集上对比常用的推荐算法,实验结果表明文中方法在协同过滤推荐的应用中具有更高的准确性. 关键词摇 推荐系统,协同过滤,最近邻选择,近邻倾向性,近邻修正 中图法分类号摇 TP311 Method of Neighborhood Formation in Collaborative Filtering 1,2 1,2 1 3 LENG Ya鄄Jun ,LIANG Chang鄄Yong ,DING Yong ,LU Qing 1(School of Management,Hefei University of Technology,Hefei230009) 2(Key Laboratory of Process Optimization and Intelligent Decision鄄Making,Ministry of Education,Hefei230009) 3(College of Economics and Management,Shanghai University of Electric Power,Shanghai201300) ABSTRACT In collaborative filtering, sparsity in ratings makes inaccurate neighborhood formation, thereby resulting inpoorrecommendations. Toaddressthisissue,amethodofneighborhoodformation,two鄄phase neighbor selection method (TPNS),isproposed. The definition of neighbor tendency isgiven. Based on the neighbor tendency,thepreliminary neighborhoodisformed. Then,theequivalencerelation similarity is applied to modify the preliminary ne