您现在的位置是：首页 > 技术资料 > 基于矩阵填充和物品可预测性的协同过滤算法

推荐星级：

基于矩阵填充和物品可预测性的协同过滤算法

更新时间：2019-12-25 11:49:50 大小：551K 上传用户：zhiyao6 查看TA发布的资源 标签：矩阵填充 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

针对传统矩阵填充算法忽略了预测评分与真实评分之间的可信度差异和传统Top-N方法推荐精度低等问题,提出了一种改进的协同过滤算法.该算法首先利用置信系数C区分评分值之间的可信度;然后提出物品可预测性的概念,综合物品的预测评分与物品的可预测性进行物品推荐并将其转化为0-1背包问题,从而筛选出最优化的推荐列表.实验结果表明:该算法能有效缓解稀疏性的影响,提高推荐性能,并且算法具有良好的可扩展性.

部分文件列表

文件名	大小
基于矩阵填充和物品可预测性的协同过滤算法.pdf	551K

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

第 43 卷第 9 期

2017 年 9 月

自

动

化

学

报

Vol. 43, No. 9

ACTA AUTOMATICA SINICA

September, 2017

基于矩阵填充和物品可预测性的协同过滤算法

刘勤让 ¹

潘涛涛 ¹

文峰 ²

摘

要

针对传统矩阵填充算法忽略了预测评分与真实评分之间的可信度差异和传统 Top-N 方法推荐精度低等问题, 提出了

一种改进的协同过滤算法. 该算法首先利用置信系数区分评分值之间的可信度; 然后提出物品可预测性的概念, 综合物品

的预测评分与物品的可预测性进行物品推荐并将其转化为 0-1 背包问题, 从而筛选出最优化的推荐列表. 实验结果表明: 该算

法能有效缓解稀疏性的影响, 提高推荐性能, 并且算法具有良好的可扩展性.

关键词协同过滤, 推荐系统, 预测评分, 相似度, 0-1 背包问题

引用格式潘涛涛, 文锋, 刘勤让. 基于矩阵填充和物品可预测性的协同过滤算法. 自动化学报, 2017, 43(9): 1597−1606

DOI 10.16383/j.aas.2017.c160644

Collaborative Filtering Recommendation Algorithm Based on Rating Matrix

Filling and Item Predictability

PAN Tao-Tao¹

WEN Feng²

LIU Qin-Rang¹

Abstract The traditional matrix ﬁlling algorithm ignores the diあerence between true rating and predictive rating, and

there is only one standard on the traditional Top-N recommended method. In order to solve these two problems, an im-

proved collaborative ﬁltering algorithm is proposed. Firstly, the conﬁdence coeきcient is used to distinguish the credibility

of the ratings. Then, a concept of item predictability is proposed. The program recommends items by comprehensively

considering the item^′s predictive ratings and the predictability, and transforming the program into the 0-1 knapsack prob-

lem so as to select the optimized recommended list. Experimental results show that the algorithm can eあectively alleviate

the eあect of sparsity and improve the performance of the recommendation, and that the optimization algorithm has good

expansibility.

Key words Collaborative ﬁltering, recommendation system, predictive ratings, similarity, 0-1 knapsack problem

Citation Pan Tao-Tao, Wen Feng, Liu Qin-Rang. Collaborative ﬁltering recommendation algorithm based on rating

matrix ﬁlling and item predictability. Acta Automatica Sinica, 2017, 43(9): 1597−1606

随着互联网技术的发展数据资源急剧增长快

速而高效地从海量的数据中获取所需的信息变得日

益紧迫信息过载问题^[1−2]出现在此背景下搜索

引擎和推荐系统是必不可少的技术搜索引擎能够

满足用户查找明确目标的需求而推荐系统能够满

足用户的潜在需求并且根据用户的兴趣提供个性化

服务^[3]当前主流的推荐系统有基于内容的推荐系

统和协同过滤推荐系统^[4−5]基于内容的推荐算法

主要采用文本分类技术对物品内容进行分析协同

过滤算法是基于这样一个假设若某些用户过去对

一些物品的评分比较相似则他们对其他物品的评

分也比较相似基于此假设该算法首先找到目标

用户的相似用户作为邻居用户然后综合邻居用户

对物品的评分来预测目标用户的评分由于协同过

滤算法不依赖于物品的内容能很好解决对图片、音

乐、电影等资源的推荐所以被广泛应用于推荐系统

中^[6−7]

尽管协同过滤技术取得了很大的成功但同

时也面临着严峻的稀疏性问题^[8−9]影响了相似

度计算的准确性降低了推荐性能为了解决上

述问题国内外学者们提出了许多解决方法最

简单的方法就是设置固定的缺省值利用用户或

物品的评分均值等对评分矩阵进行填充^[10]由于

这种方法忽略了用户或者物品之间的差异可信

度不高邓爱林等^[11]提出基于物品评分预测的

收稿日期 2016-09-08 录用日期 2017-01-16

Manuscript received September 8, 2016; accepted January 16,

2017

国家高技术研究发展计划 (863 计划) (2014AA01A), 国家自然科学

基金 (61572520) 资助

Supported by National High Technology Research and Develop-

ment Program (863 Program) (2014AA01A), National Natural

Science Foundation of China (61572520)

本文责任编委周涛

Recommended by Associate Editor ZHOU Tao

1. 国家数字交换系统工程技术研究中心郑州 450002 2. 江南计算

技术研究所无锡 214000

方法对矩阵进行填充

用户和基于物品的预测评分值来填充矩阵陈刚

等^[12]通过加权基于

等^[13]采用

神经网络进行评分预测并填充阵

等^[14]提出基于信任传播的矩阵填充方法

[15]

提出基于云模型的矩阵填充方法上述

1. China National Digital Switching System Engineering and

2. Jiangnan

Technological R&D Center, Zhengzhou 450002

Computing Technology Research Institute, Wuxi 214000

矩阵填充方法虽然在一定程度上缓解了稀疏性的

1598

自

动

化

学

报

43 卷

影响但仍存在以下两个问题

矩阵填充后未区分

∪

用户和用户的评分物品并集

∪

预测评分与真实评分之间的差别从而影响了推荐

性能传统推荐精度低仅根据预测评分

如式

∪

所示

的高低进行物品筛选没有考虑物品的可预测性例

如某物品的预测评分比较高但是该物品的可预测

性非常低即大部分用户对此物品的预测评分与真

实评分的偏差都非常大则此物品预测评分的可信

度就比较低所以仅根据物品预测评分的高低生成

推荐列表不够准确

∪

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于矩阵填充和物品可预测性的协同过滤算法

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页