关联性动态加权的协同过滤推荐.PDFVIP

———————————————————————————————————————————————— 关联性动态加权的协同过滤推荐 作者 王剑，余青松 机构 华东师范大学 计算机科学与软件工程学院 DOI 10.3969/j.issn.1001-3695.2018.05.0306 预排期卷 《计算机应用研究》2019 年第36 卷第11 期 摘要 利用传统的协同过滤（CF）算法进行推荐时，由于用户评分矩阵比较稀疏，直接得到的用户 或者项目之间的相似度相对而言可信度就比较低。为了解决这个问题，在传统的协同过滤基 础上，引入项目与项目之间的关联性，通过在项目的类别标签和二部图的方法之间构建动态 权重因子来融合这两种关联，形成非对等关联性关系，并做出用户对项目的评分预测，从而 解决评分矩阵过于稀疏的问题。研究结果表明，相比于传统方法中使用对等相似度关系以及 固定权值的方法，通过动态权重融合关联性形成非对等的关系的方法，更贴合生活实际，并 且有更好的推荐效果。 关键词 协同过滤；评分矩阵；稀疏；动态