期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于非对称加权相似度的协同过滤推荐算法
被引量:
4
1
作者
刘竹松
欧仕华
黄书强
《小型微型计算机系统》
CSCD
北大核心
2017年第4期721-725,共5页
协同过滤算法作为推荐系统中一种常用算法,在实际应用中还存在一些问题,如传统协同过滤算法里对称相似度计算方法会导致用户相似度测量值存在误差.针对这个问题,提出一种非对称的加权相似度协同过滤方法.通过计算用户共同评分项目所占...
协同过滤算法作为推荐系统中一种常用算法,在实际应用中还存在一些问题,如传统协同过滤算法里对称相似度计算方法会导致用户相似度测量值存在误差.针对这个问题,提出一种非对称的加权相似度协同过滤方法.通过计算用户共同评分项目所占比例来确定用户相似度非对称加权因子,以表现用户之间相互影响的差异性;通过加权因子和传统相似度度量方法确定用户相似矩阵,使用矩阵分解梯度下降法来拟合没有共同评分项目的用户之间的相似度数据.最后,通过在Movie Lens和Douban数据集进行实验验证和对比,以均方根误差和平均绝对误差作为评判标准,实验结果表明本文所提方法的推荐准确度更高.
展开更多
关键词
推荐系统
协同过滤
用户相似度
非对称加权因子
下载PDF
职称材料
题名
基于非对称加权相似度的协同过滤推荐算法
被引量:
4
1
作者
刘竹松
欧仕华
黄书强
机构
广东工业大学计算机学院
暨南大学理工学院光电工程系
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第4期721-725,共5页
基金
国家自然科学基金项目(61572144)资助
广东省科技计划项目(2013B090200006
+3 种基金
2016A010101016
2016B010124008)资助
广东省现代信息服务业发展专项基金项目(GDEID2011IS022)资助
广东省应用型科技研发专项资金项目(2016B010124008)资助
文摘
协同过滤算法作为推荐系统中一种常用算法,在实际应用中还存在一些问题,如传统协同过滤算法里对称相似度计算方法会导致用户相似度测量值存在误差.针对这个问题,提出一种非对称的加权相似度协同过滤方法.通过计算用户共同评分项目所占比例来确定用户相似度非对称加权因子,以表现用户之间相互影响的差异性;通过加权因子和传统相似度度量方法确定用户相似矩阵,使用矩阵分解梯度下降法来拟合没有共同评分项目的用户之间的相似度数据.最后,通过在Movie Lens和Douban数据集进行实验验证和对比,以均方根误差和平均绝对误差作为评判标准,实验结果表明本文所提方法的推荐准确度更高.
关键词
推荐系统
协同过滤
用户相似度
非对称加权因子
Keywords
recommender systems
collaborative filtering
user similarity
asymmetric weighting factors
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于非对称加权相似度的协同过滤推荐算法
刘竹松
欧仕华
黄书强
《小型微型计算机系统》
CSCD
北大核心
2017
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部