第
卷
第
期 吉 林 大 学 学 报
理 学 版
年
月
基于抽样近邻的协同过滤算法
董立岩
刘晋禹
蔡观洋
李永丽
吉林大学 计算机科学与技术学院
长春
东北师范大学 计算机科学与信息技术学院
长春
摘要
:
针对实时推荐过程中实际数据的稀疏性
,
满足条件的 项 目 或 用 户 较少
,
导致推荐精 度
较低的问题
,
提出一种采用抽样近邻的协同过滤算法
该算法充分利用 评分用 户矩阵提供 的
信息
,
增加了参与到预测评分计算过程中的用户或项 目
,
从而解决了传统 协同过 滤算法在实
际应用中的不足
实验结果表明
,
在增加在线计算时 间较少 的情况下所给算法 可有效提高推
荐精度
关键词
:
协同过滤
;
稀疏矩阵
;
推荐精度
;
近邻
中图分类号
:
文献标志码
:
文章编号
:
(
)
Collaborative Filterin
g
Al
g
orithm Based on Sam
p
lin
g
Nei
g
hbor
.
Colle
g
e o
f
Com
p
uter Science and Technolo
gy
J ilin Universit
y
Chan
g
chun
China
.
School o
f
Com
p
uter Science and Technolo
gy
Northeast Normal Universit
y
Chan
g
chun
China
Abstract
Ke
y
words
收稿 日期
作者 简介
董立岩
男
汉 族
博 士
教 授
从 事 数 据 挖 掘 的 研 究
通 信 作 者
李 永 丽
女
汉族
博士
副教授
从事信息安全的研 究
基金 项目
国家自然科学基金
批准号
个性化推荐算法在
服务中应用广泛
如电子商务
搜索引擎
多媒体服务中的个人影音和个
性化阅读等
它可以提高服务的用户黏度
协同过滤算 法在工业环境 中 应 用 广 泛
针对特殊的 推 荐 需
求
实时推荐
如购物车推荐
新闻推荐等
需要根据用 户 当 前 的 状态产生最新的推荐
但基于内
存的协同过滤算法多数情况 下 需 要预 先 计 算用 户 或 项目 间 的 相似 性 存 入内 存 中
使用 时 直 接 取 值 即
可
导致产生的推荐具有一定的滞后性
等
为了减少在线运算的复杂性
在运算过程中 仅选择了对最终项目有评分 信 息 的 用 户
计算出这些用户与最终用户间的相似性
挑选出近邻 用户组
但该 方 法 可 用的用户或项目较少
信息
量较少导致推荐精度不高
文献
提出了基于模型的协同过滤算法
可有效减少在线计算时间
但也
存在推荐滞后的问题
奇异值分解的矩阵分解算法
可降低用户项目评分矩阵的维度及 计算相似性所
用的时间
但推荐精度不高
资源评论
