网站首页  词典首页

请输入您要查询的论文:

 

标题 一种缓解协同过滤算法数据稀疏性的方法
范文

    蔡雄峰 艾丽华 丁丁

    

    

    

    摘要:协同过滤算法是推荐系统中最古老的算法之一,同时也是当今推荐系统中使用最广泛的一种算法。但是在简单,效率高的同时,协同过滤算法还存在数据稀疏性,冷启动等一些问题.本文针对其数据稀疏性的问题,提出了一种根据兴趣度预测用户未评分项目的方法。最后通过基于Netflix数据集的实验结果表明,该方法能够更好的处理稀疏矩阵,能缓解数据稀疏问题,从而提高了协同过滤算法的准确性。

    关键词:协同过滤;推荐系统;数据稀疏;兴趣度;填充矩阵

    中图分类号:TP391.1 文献标识码:A DOI:10.3969/j.issn.1003-6970.2015.03.009

    本文著录格式:蔡雄峰,艾丽华,丁丁.一种缓解协同过滤算法数据稀疏性的方法[J].软件,2015,36(3):41-47

    0.引言

    当今互联网世界中最常见的智能产品可以说是推荐系统了。推荐系统在如今互联网的应用和产品中已被广泛采用,比如大家每天都可能会使用到的相关搜索、微博上的热门推荐、电子商务网站的各种产品推荐、Facebook等社交网站上的好友推荐等等。伴随着互联网信息爆炸式的增长,“信息过载”问题变得越来越严重。人们面对海量的数据,非常困难迅速有效的找到自己感兴趣,自己所真正需要的信息。目前解决这个问题大致有两种方法,第一种是以搜索引擎为代表的信息检索技术,第二种是以推荐系统为代表的信息过滤技术。这些技术都可以从海量数据中帮助用户找到自己想要的信息。

    协同过滤是已被提出的推荐算法中应用最多,且最为有效的算法。其已被应用到诸多商业场景中。然而,协同过滤算法存在例如冷启动,数据稀疏性等问题仍需要解决。协同过滤算法是基于用户与项目之间的评分信息的。因此,评分信息的丰富性和完整性则显得尤为重要。相关研究表明,一个网站上用户对项目的评分不会超过用户一项目评分矩阵大小的1%,这就产生了数据稀疏性的问题,从而导致推荐系统精度下降。所以,缓解矩阵的稀疏性对于一个推荐算法来说是至关重要的。

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/15 20:25:07