结合关联规则填充的协同过滤改进算法

• 全文链接
• 请求原文

作   者：

包志强;  宋静霞; 

作者机构：

西安邮电大学通信与信息工程学院; 

关键词：

数据填充;  评分矩阵;  协同过滤;  对比实验;  数据稀疏;  关联规则;  推荐算法; 

期刊名称：

现代电子技术

基金项目：

无中心认知系统的可信频谱协作感知算法研究

i s s n：

1004-373X

年卷期：

2019 年 03 期

页   码：

78-81+86

摘   要：

为了改善传统个性化推荐中协同过滤算法存在的诸如用户和项目评分矩阵稀疏、推荐准确度不高、冷启动等问题,提出一种结合关联规则填充对协同过滤推荐算法进行改进的方法。这种算法是在协同过滤算法的第一步前加入通过关联规则得到的结果,预测一些没有评分值的项目,将新得到的数据填充到原用户-项目评分矩阵中,降低评分矩阵的稀疏性,从而提供更多数据的相似性计算,在此基础上再结合基于传统项目的协同过滤算法对用户进行推荐。通过MovieLens数据集进行实验对比,结果显示文中提出的算法与传统算法相比,推荐系统的准确性和有效性显著提高。