一种基于Bhattacharyya系数和项目相关性的协同过滤算法.docxVIP

一种基于Bhattacharyya系数和项目相 关性的协同过滤算法 臧雪峰刘天琦孙小新冯国忠张邦佐 东北师范大学计算机科学与信息技术学院 摘要: 在大数据时代，为了满足用户的信息需求，个性化推荐系统得到了广泛应用。协 同过滤是一种简单有效的推荐算法。然而，许多传统的相似度计算方法仅仅基于 用户的共同评分值，且不适用于稀疏数据环境，因此提出了一种新的基于 Bhattacharyya系数的相似度方法。该方法使用了所有用户对项目的评分信息， 不仅可以通过用户的评分行为获得用户的相似兴趣特征，而且可以获得用户已 评分物品Z间的相关性；同时由于不同的用户有不同的评分习惯，新方法也考虑 了每个用户的评分偏好。通过考虑用户相似性的更多因素，可以为日标用户选择 更恰当的邻域用户，以更有效地提升推荐性能。在两个真实数据集上进行的实骑 表明，所提方法优于其他当前最好的相似度方法。 关键词: 协同过滤;Bhattacharyya系数; 项Fl相关性; 评分偏好; 作者简介：臧雪峰（1991-），男，硕士生，主要研究领域为推荐系 统;E-mai1:zangxf466@nenu. edu. cn; 作者简介:刘天琦(1992-)女，硕士生,主要研究领域为推荐系统;作者简介:孙小新(1978-)男,博士生,主要研究领域为智能信息处理; 作者简介: 刘天琦 (1992-) 女，硕士生, 主要研究领域为推荐系统; 作者简介: 孙小新 (1978-) 男, 博士生, 主要研究领域为智能信息处理; 作者简介: 冯国忠 (1983-) 男, 博士，讲师，主要研究领域为数据挖掘; 作者简介：张邦佐（1971-） 据挖掘、推荐系统。 男，博士，副教授，主要研究领域为数据库与数 收稿日期:2016-10-11 基金：国家自然科学基金项目 Collaborative Filtering Algorithm Based on Bhattacharyya Coefficient and Item Correiation ZANG Xue-feng LIU Tian-qi SUN Xiao-xin FENG Guo-zhong ZHANG Bang-zuo College of Computer Science and Information Technology, Northeast Normal University; Abstract： In order to satisfy the information needs of users in the big data era, the personalized recommender system has been widely used. Collaborative filtering is a simple and effective recommendation algorithm .However, most traditional similarity methods only compute the similarity based on the users co-rated scores. In addition, they are not very suitable in sparse data environment. This paper proposed a new similarity met hod based on Bhattacharyya coefficient. It uses all users rating information for items, which can not only obtain similar interest feature of users through the users rating behavior, but al so obtain the correlation between the items that the users have rated. Meanwhile, the new method also takes into account each user，s rating preference, since different users have different rating habits. Considering more relevant factor about user similarity, more appropriate neighborhood can be selected for the target users, efficiently improving t