本文關鍵詞：基于信息熵的協同過濾算法　出處：《山東大學學報(工學版)》2016年02期 　論文類型：期刊論文

  更多相關文章： 協同過濾 信息熵 近鄰選擇 大間隔 相似性 數據稀疏性

【摘要】：針對用戶評分數據的稀疏性制約著系統(tǒng)的推薦質量的問題,提出了一種基于信息熵的協同過濾算法。首先定義了用戶信息熵以反映用戶評分分布和傾向程度;然后,利用大間隔的方法計算目標用戶與其他用戶的間隔距離,結合目標用戶的信息熵,得到目標用戶的近鄰選擇范圍;最后,同時考慮用戶的信息熵和用戶間的相似性大小得到目標用戶的近鄰集合,以降低數據稀疏性對推薦結果的影響。試驗結果表明:基于信息熵的協同過濾算法能夠有效地提高推薦質量。
[Abstract]:Aiming at the problem that the sparsity of user rating data restricts the recommendation quality of the system, a collaborative filtering algorithm based on information entropy is proposed. Firstly, user information entropy is defined to reflect the distribution and tendency of user rating. Then, the distance between the target user and other users is calculated by using the method of large interval, and the nearest neighbor selection range of the target user is obtained by combining the information entropy of the target user. Finally, the nearest neighbor set of the target user is obtained by considering the information entropy of the user and the similarity between the users at the same time. The experimental results show that the collaborative filtering algorithm based on information entropy can effectively improve the quality of recommendation.
【作者單位】： 閩南師范大學計算機學院;安徽理工大學經濟與管理學院;
【基金】：國家自然科學基金資助項目(61303131;61379021) 福建省自然科學基金資助項目(2013J01028) 教育部人文社會科學研究青年基金資助項目(13YJCZH077) 福建省高校杰出青年科研人才培養(yǎng)計劃資助項目(JA14192)
【分類號】：TP391.3
【正文快照】： 0引言隨著互聯網技術和信息技術的迅猛發(fā)展,互聯網上的信息量急劇上升,用戶快速搜到所需要的信息日益困難。推薦系統(tǒng)能夠解決大數據環(huán)境下的信息過載問題,成為社交網絡、電子商務、音樂點播等WEB2.0服務的核心技術[1-2]。協同過濾是推薦系統(tǒng)中一種熱門的推薦技術,其基本思想是

【相似文獻】

相關期刊論文 前10條

1 楊風召;;一種基于特征表的協同過濾算法[J];計算機工程與應用;2007年06期

2 王嵐;翟正軍;;基于時間加權的協同過濾算法[J];計算機應用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協同過濾的智能導購系統(tǒng)[J];武漢大學學報(工學版);2008年02期

4 張富國;;用戶多興趣下基于信任的協同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協同過濾算法[J];西安電子科技大學學報;2009年04期

6 廖新考;;基于用戶特征和項目屬性的混合協同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學模型的協同過濾推薦方法[J];計算機工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協同過濾策略改進研究[J];計算機技術與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協同過濾算法[J];微計算機信息;2011年11期

10 鄭婕;鮑海琴;;基于協同過濾推薦技術的個性化網絡教學平臺研究[J];科技風;2012年06期

相關會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協同過濾算法[A];第二十二屆中國數據庫學術會議論文集（技術報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協同過濾推薦算法[A];第二十一屆中國數據庫學術會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協同過濾算法研究[A];全國第20屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協同過濾推薦算法[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協同過濾推薦算法[A];第26屆中國數據庫學術會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協同過濾推薦算法[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學的協同過濾相似度方法(英文)[A];NDBC2010第27屆中國數據庫學術會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協同過濾推薦算法[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協同推薦中冷啟動問題的方法[A];第二十四屆中國數據庫學術會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協同過濾推薦算法[A];NDBC2010第27屆中國數據庫學術會議論文集A輯一[C];2010年

相關博士學位論文 前10條

1 李聰;電子商務推薦系統(tǒng)中協同過濾瓶頸問題研究[D];合肥工業(yè)大學;2009年

2 郭艷紅;推薦系統(tǒng)的協同過濾算法與應用研究[D];大連理工大學;2008年

3 羅恒;基于協同過濾視角的受限玻爾茲曼機研究[D];上海交通大學;2011年

4 薛福亮;電子商務協同過濾推薦質量影響因素及其改進機制研究[D];天津大學;2012年

5 高e，

本文編號：1433956