【摘要】：在大數(shù)據(jù)時代,為了滿足用戶的信息需求,個性化推薦系統(tǒng)得到了廣泛應用。協(xié)同過濾是一種簡單有效的推薦算法。然而,許多傳統(tǒng)的相似度計算方法僅僅基于用戶的共同評分值,且不適用于稀疏數(shù)據(jù)環(huán)境,因此提出了一種新的基于Bhattacharyya系數(shù)的相似度方法。該方法使用了所有用戶對項目的評分信息,不僅可以通過用戶的評分行為獲得用戶的相似興趣特征,而且可以獲得用戶已評分物品之間的相關(guān)性;同時由于不同的用戶有不同的評分習慣,新方法也考慮了每個用戶的評分偏好。通過考慮用戶相似性的更多因素,可以為目標用戶選擇更恰當?shù)泥徲蛴脩?以更有效地提升推薦性能。在兩個真實數(shù)據(jù)集上進行的實驗表明,所提方法優(yōu)于其他當前最好的相似度方法。
[Abstract]:In big data era, in order to meet the information needs of users, personalized recommendation system has been widely used. Collaborative filtering is a simple and effective recommendation algorithm. However, many traditional similarity calculation methods are only based on users' common scores and are not suitable for sparse data environments. Therefore, a new similarity method based on Bhattacharyya coefficients is proposed. The method uses all users' rating information to obtain not only the users' similar characteristics of interest, but also the correlation between the items scored by the users. At the same time, because different users have different scoring habits, the new method also takes into account each user's rating preference. By considering more factors of user similarity, we can select more appropriate neighborhood users for target users, so as to improve recommendation performance more effectively. Experiments on two real data sets show that the proposed method is superior to other best similarity methods.
【作者單位】： 東北師范大學計算機科學與信息技術(shù)學院;
【基金】：國家自然科學基金項目(71473035,11501095) 吉林省科技廳重點攻關(guān)項目(20150204040GX) 吉林省發(fā)改委項目(2015Y055) 東北師范大學自然科學基金項目(2014015KJ004)資助
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過濾算法[J];計算機系統(tǒng)應用;2007年01期

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

3 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機應用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)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

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

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

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

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進研究[J];計算機技術(shù)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(xié)同過濾算法[J];微計算機信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過濾推薦技術(shù)[J];農(nóng)業(yè)圖書情報學刊;2013年08期

相關(guān)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(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)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(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應用學術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應用學術(shù)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(xié)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(shù)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(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學術(shù)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(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)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(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)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(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應用學術(shù)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(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學術(shù)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(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學位論文 前9條

1 紀科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學;2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學;2015年

3 于程遠;基于QoS的Web服務推薦技術(shù)研究[D];上海交通大學;2015年

4 段銳;融合文本內(nèi)容與情境信息的協(xié)同過濾推薦方法研究[D];合肥工業(yè)大學;2017年

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

6 孔維梁;協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D];華中師范大學;2013年

7 夏培勇;個性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國海洋大學;2011年

8 趙向宇;Top-N協(xié)同過濾推薦技術(shù)研究[D];北京理工大學;2014年

9 鄧琨;基于鄰域的協(xié)同過濾推薦系統(tǒng)相似度研究[D];江西財經(jīng)大學;2017年

相關(guān)碩士學位論文 前10條

1 鄒騰飛;基于多特征融合的混合協(xié)同過濾算法研究[D];西南大學;2015年

2 于鈺雯;基于項目凝聚層次聚類的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

3 杜文剛;基于多屬性評分的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

4 高慧敏;融合占有度的時間遺忘協(xié)同過濾混合推薦算法研究[D];燕山大學;2015年

5 蘇靖涵;面向SaaS多租戶的動態(tài)推薦方法研究[D];遼寧大學;2015年

6 徐曉妮;基于人工魚群算法的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

7 羅培;移動購物導購關(guān)鍵技術(shù)的研究與系統(tǒng)實現(xiàn)[D];西南交通大學;2015年

8 李婧;融合用戶差異度及信息熵的協(xié)同過濾推薦算法[D];西安建筑科技大學;2015年

9 樂柱;基于誤差反饋的協(xié)同過濾算法[D];華南理工大學;2015年

10 馬兆才;基于協(xié)同過濾的推薦系統(tǒng)算法研究與實現(xiàn)[D];蘭州大學;2015年

，

本文編號：2323193