高岭^1,2,高全力¹,王海²,王伟²,杨康²

¹(西安工程大学计算机科学学院 西安 710048); ²(西北大学信息科学与技术学院 西安 710127) (gl@nwu.edu.cn)

出版日期: 2018-05-01


基金资助:国家自然科学基金项目(61373146,61572401,61672426); 陕西省教育厅科学研究项目(2013JK1178)

A Preference Prediction Method Based on the Optimization of Basic Similarity Space Distribution

Gao Ling^1,2, Gao Quanli¹, Wang Hai², Wang Wei²,Yang Kang²

¹(College of Computer Science, Xi’an Polytechnic University, Xi’an 710048); ²(School of Information Science and Technology, Northwest University, Xi’an 710127)

Online: 2018-05-01

摘要/Abstract

摘要： 针对现有推荐系统所采用的行为相似度度量方法，受数据稀疏性的影响难以获取到用户真正的偏好最近邻，影响了推荐准确度的问题,提出了一种结合基准相似空间分布优化的用户偏好获取方法.首先通过余弦相似度、修正的余弦相似性、皮尔森相关系数等偏好行为相似程度度量方法，获取用户与用户间原始的偏好行为近似程度，根据近似程度的分布特征首先获取偏好中心点，并根据偏好行为近似程度距偏好中心点的行为距离获取平均相似幅度，进而生成基准相似空间，通过建立基于平均近邻与异常评分交互影响的修正模型，优化基准相似空间，并据此为用户生成推荐列表.在大规模真实数据集上的实验结果表明：所提出方法与现有方法WSCF与OTCF相比，平均绝对误差分别降低了12.8%与9.7%，覆盖率分别提升了5.79%与3.83%，多样性与WSCF基本一致，相比OTCF增加了近4.3%，即是所提出方法提升了推荐精度与推荐质量.

参考文献

相关文章 15

[1]	郑值, 徐童, 秦川, 廖祥文, 郑毅, 刘同柱, 童贵显. 基于多源情境协同感知的药品推荐[J]. 计算机研究与发展, 2020, 57(8): 1741-1754.
[2]	陈嘉颖, 于炯, 杨兴耀. 一种融合语义分析特征提取的推荐算法[J]. 计算机研究与发展, 2020, 57(3): 562-575.
[3]	曾义夫, 牟其林, 周乐, 蓝天, 刘峤. 基于图表示学习的会话感知推荐模型[J]. 计算机研究与发展, 2020, 57(3): 590-603.
[4]	吴宾,娄铮铮,叶阳东. 一种面向多源异构数据的协同过滤推荐算法[J]. 计算机研究与发展, 2019, 56(5): 1034-1047.
[5]	周俊,董晓蕾,曹珍富. 推荐系统的隐私保护研究进展[J]. 计算机研究与发展, 2019, 56(10): 2033-2048.
[6]	张飞,张立波,罗铁坚,武延军. 一种基于特征的协同聚类模型[J]. 计算机研究与发展, 2018, 55(7): 1508-1524.
[7]	朱桂祥,曹杰. 基于主题序列模式的旅游产品推荐引擎[J]. 计算机研究与发展, 2018, 55(5): 920-932.
[8]	张凯涵,梁吉业,赵兴旺,王智强. 一种基于社区专家信息的协同过滤推荐算法[J]. 计算机研究与发展, 2018, 55(5): 968-976.
[9]	焦旭,肖迎元,郑文广,朱珂. 基于位置的社会化网络推荐技术研究进展[J]. 计算机研究与发展, 2018, 55(10): 2291-2306.
[10]	高玉凯,王新华,郭磊,陈竹敏. 一种基于协同矩阵分解的用户冷启动推荐算法[J]. 计算机研究与发展, 2017, 54(8): 1813-1823.
[11]	何明,常盟盟,吴小飞. 一种基于差分隐私保护的协同过滤推荐方法[J]. 计算机研究与发展, 2017, 54(7): 1439-1451.
[12]	张伟,韩林玉,张佃磊,任鹏杰,马军,陈竹敏. GeoPMF:距离敏感的旅游推荐模型[J]. 计算机研究与发展, 2017, 54(2): 405-414.
[13]	彭珍连,王健,何克清,唐明董. 一种基于特征模型和协同过滤的需求获取方法[J]. 计算机研究与发展, 2016, 53(9): 2055-2066.
[14]	朱梦莹,郑小林,王朝晖. 基于风险和剩余价值的在线P2P借贷投资推荐方法[J]. 计算机研究与发展, 2016, 53(12): 2708-2720.
[15]	燕彩蓉,张青龙,赵雪,黄永锋. 基于广义高斯分布的贝叶斯概率矩阵分解方法[J]. 计算机研究与发展, 2016, 53(12): 2793-2800.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3687