基于经验分布和KL散度的协同过滤推荐质量评价研究

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-24 合作期刊: 《计算机应用研究》

张文 姜祎盼 张思光 崔杨波 杜宇航

摘要： 如何评价协同过滤推荐质量，在将被推荐商品推送给用户之前进行推荐结果质量评估，是一个值得研究的问题。提出了一种基于经验分布和KL散度的协同过滤推荐质量评价方法RQE-EDKL(recommendation quality evaluation based on empirical distribution and KL divergence)。RQE-EDKL首先利用历史用户-商品数据生成不同商品数量下的商品历史使用概率分布；然后，利用该分布与各个协同过滤推荐方法得到的用户商品使用概率进行比较，计算其KL散度；最后，将KL散度最小的推荐结果视为最佳推荐结果并推送给用户。在TalkingData数据集上的实验结果表明，RQE-EDKL评价方法能够有效的在不同的推荐结果中选择更为切合用户真实需求的推荐结果，从而提高了协同过滤推荐的质量。

 点击量 2842  下载量 1614  评论