收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于动态k近邻的SlopeOne协同过滤推荐算法

孙丽梅  李晶皎  孙焕良  
【摘要】:协同过滤是个性化推荐系统中的常用技术,数据稀疏性是影响协同过滤算法预测精度的主要因素。SlopeOne算法利用线性回归模型解决数据稀疏性问题。基于用户相似度的k近邻方法可以优化参与预测的用户评分数据的质量。在SlopeOne算法的基础上,提出了一种动态k近邻和SlopeOne相结合的算法。首先根据用户之间相似度的具体情况动态地为每个用户选择不同数目的近邻用户,然后利用近邻用户的评分数据生成项目之间的平均偏差,最后利用线性回归模型进行预测。在MovieLens数据集上的实验结果表明,改进算法在预测精度上比原SlopeOne算法有所提高,能适应数据稀疏度更低的推荐系统,并且与其他协同过滤算法相比,推荐精度也具有明显优势。

知网文化
【相似文献】
中国博士学位论文全文数据库 前10条
1 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
2 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年
3 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年
4 肖敏;基于领域本体的电子商务推荐技术研究[D];武汉理工大学;2009年
5 高滢;多关系聚类分析方法研究[D];吉林大学;2008年
6 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
7 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年
8 张亮;基于机器学习的信息过滤和信息检索的模型和算法研究[D];天津大学;2007年
9 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年
10 胡慕海;面向动态情境的信息推荐方法及系统研究[D];华中科技大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978