协同过滤推荐中一种改进的信息核提取方法

TP391; 针对协同过滤推荐算法中存在的可扩展性问题,在原有基于频率(frequency-based,FB)和排名(rank-based,RB)的信息核提取方法的基础上,提出了改进的提取信息核方法IFB(IFrequency-based)和IRB(IRank-based,IRB),在寻找最相似邻居环节中提出了一个优化集的概念,在优化集上为每个用户寻找最相似的邻居.从实验结果看出,通过该方法能够得到更加准确的推荐结果,有效降低了绝对平均误差(MAE),同时具有更高的准确率和召回率,推荐效果更优....

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 37; no. 1; pp. 140 - 143
Main Authors 张文静, 李锦屏, 杨军
Format Journal Article
LanguageChinese
Published 兰州交通大学 电子与信息工程学院,兰州,730070 2020
Subjects
推荐系统
协同过滤
信息核
Online AccessGet full text
ISSN1001-3695
DOI10.19734/j.issn.1001-3695.2018.05.0450

Cover

More Information
Summary:TP391; 针对协同过滤推荐算法中存在的可扩展性问题,在原有基于频率(frequency-based,FB)和排名(rank-based,RB)的信息核提取方法的基础上,提出了改进的提取信息核方法IFB(IFrequency-based)和IRB(IRank-based,IRB),在寻找最相似邻居环节中提出了一个优化集的概念,在优化集上为每个用户寻找最相似的邻居.从实验结果看出,通过该方法能够得到更加准确的推荐结果,有效降低了绝对平均误差(MAE),同时具有更高的准确率和召回率,推荐效果更优.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2018.05.0450