Subjects: Library Science，Information Science >> Information Science submitted time 2017-11-08 Cooperative journals: 《数据分析与知识发现》
Abstract：【目的】利用领域专家信任和相似度相结合的优势, 弥补传统协同过滤推荐算法在推荐准确度以及挖掘长 尾商品方面存在的不足。【方法】选取 MovieLens中稀疏度为 0.9605 的数据集, 由评分记录较多的 1 102 个用户 对 2 920 部电影的评分记录构成, 利用分阶段实验法求得优专家用户数量及推荐权重系数值, 并结合对比分 析法对算法的性能进行评测。【结果】实验结果表明, 本算法的推荐结果准确率和覆盖率均受到专家用户数量的 影响, 且当推荐权重系数为0.6时推荐准确度明显优于传统算法, 同时专家用户比例由2%上升至20%时, 覆盖率 上升了 0.21, 说明算法在一定程度上显著提高了推荐系统挖掘长尾商品的能力。【局限】未考虑到不同领域类别 之间可能存在的相关性。 【结论】该算法能够有效地克服数据稀疏性和冷启动问题, 显著提高推荐系统的推荐质 量和准确度。
Hits
Hits
Downloads
Comment