基于用户的协同过滤算法的推荐效率和个性化改进.docVIP

收稿日期：2014-12-22 　基金项目：国家自然科学基金资助项目61103170,，福建省自然科学基金计划资助项目（项目编号：2014J01191, 2015J01255,2012J05118），中国博士后科学基金第55 批面上资助（项目编号：2014M552429），福建省高等学校新世纪优秀人才支持计划资助(项目编号：2013FJ-NCET-ZR03) ，厦门市科技计划项目（3502，华侨大学科技创新能力提升计划“中青年教师科技创新资助计划” (项目编号：ZQN-YX109), 华侨大学引进人才科研启动项目(项目编号：12BS217,11BS108)　作者简介：王成，男，（1984-），博士，硕士生导师，副教授，主要从事智能信息处理，Email： HYPERLINK mailto:wangcheng@ wangcheng@; 骆翔宇(1974-),男,博士,副教授,硕士生导师,主要研究领域为形式化验证;张玉侠(1990－),男,研究生,主要研究领域为智能电子商务;苏芳芳(1991－),女,河北邢台人,研究生,主要研究领域为智能电子商务; 基于用户的协同过滤算法的推荐效率和个性化改进 王成1,2 朱志刚1 孙成柱1 陈维斌1 骆翔宇1 张玉侠1 苏芳芳1 1（华侨大学 计算机科学与技术学院， 福建 厦门 361021） 2（西安交通大学 机械强度与振动国家重点实验室，陕西 西安710049） Email：wangcheng@ 摘　要： 针对传统的基于用户的协同过滤算法存在的推荐效率、精度和个性化低的问题，本文提出了一种改进方法。该方法在计算用户评分矩阵时，考虑到用户评分矩阵稀疏性,建立项目-用户的倒查表，只计算有相同评分项的用户之间的相似度，避免了传统方法中对所有用户计算两两用户相似度的庞大工作量。该方法在计算用户相似度时，考虑到项目的热门程度不同，“惩罚”了用户共同兴趣列表中的热门项目，避免了传统方法中赋予所有项目相同权值对推荐结果个性化的负面影响。本文在详细分析了改进的用户协同过滤算法的原理和优点，给出了其推荐步骤流程图。在Movielens100K和HetRec2011-movielens-2k公开数据集上，十折交叉验证的结果表明，改进后的算法节约了运行时间，提高了推荐算法的效率和个性化。 关键词：基于用户的协同过滤；个性化推荐；相似度计算；用户评分矩阵；数据稀疏性；项目-用户倒查表；十折交叉验证 中图法分类号：TP393 　　　文献标识码：A An Improvement in Recommendation Efficiency and Personalized of User-based Collaborative Filtering Algorithm WANG Cheng1,2，ZHU Zhi-gang1， SUN Cheng-zhu1, CHEN Wei-bin1, LUO Xiang-yu1， ZHANG Yu-xia1，SU Fang-fang1 1(College of Computer Science and Technology, Huaqiao University, Xiamen 361021, China) 2(State Key Laboratory for Strength and Vibration, Xi’an Jiaotong University, Xi’an 710049, China) Abstract: Aiming at low HYPERLINK /dict_result.aspx?searchword=%e6%95%88%e7%8e%87tjType=sentencestyle=t=efficiency efficiency, HYPERLINK /dict_result.aspx?searchword=%e7%b2%be%e5%ba%a6tjType=sentencestyle=t=precision precision and HYPERLINK /dict_result.aspx?searchword=%e4%b8%aa%e6%80%a7%e5%8c%96tjType=sentencestyle=t=personalized personalized of recommendation existing in traditional user-based collaborative filtering algorithm, an improvement recommendation algorithm is put forward in this paper. HYP