基于项目类别的协同过滤推荐算法多样性研究

• 全文链接
• 请求原文

作   者：

叶锡君;  龚玥; 

作者机构：

南京农业大学信息科技学院; 

关键词：

多样性;  贡献函数;  列表内相似度指标;  协同过滤;  预测评分;  项目类别; 

期刊名称：

计算机工程

基金项目：

基于时间编码的脉冲神经网络脉冲序列学习机制的研究

i s s n：

1000-3428

年卷期：

2015 年 41 卷 10 期

页   码：

42-46+52

摘   要：

推荐系统的多样性正日益成为评价推荐质量的重要指标。为提高传统协同过滤推荐算法的个体多样性,在基于项目的协同过滤推荐算法的基础上,加入项目的类别属性信息,定义项目类别贡献函数以改进预测评分公式,提高与目标项目类别不完全相同的项目得分,实现最优项目推荐。实验结果表明,在保证一定推荐精确度的前提下,改进算法增强了推荐系统的个体多样性,具有更高的推荐质量。