《计算机应用研究》|Application Research of Computers

基于加权Slope One的协同过滤个性化推荐算法

Personalized collaborative filtering recommendation algorithm based on weighted Slope One

免费全文下载 (已被下载 次)  
获取PDF全文
作者 李桃迎,李墨,李鹏辉
机构 大连海事大学 交通运输管理学院,辽宁 大连 116026
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2017)08-2264-05
DOI 10.3969/j.issn.1001-3695.2017.08.005
摘要 针对传统协同过滤算法存在冷启动、数据稀疏、运行效率低下等问题,分析了较传统协同过滤算法更加高效准确的Slope One算法的优点、原理及流程。针对Slope One算法未考虑用户兴趣变化和用户相似性这两方面的问题,提出了基于用户兴趣遗忘函数和用户最近邻居筛选策略的改进方案,以期提高推荐的质量,同时采用MovieLens数据集进行了实验验证。实验对比结果佐证了该算法确实提高了推荐准确度并且减少了响应时间。
关键词 推荐算法;协同过滤;邻居选择;用户兴趣遗忘函数
基金项目 国家科技支撑计划资助项目(2014BAH24F04)
国家社科基金资助项目(15CGL031)
中央高校基本科研业务费资助项目(3132016306)
本文URL http://www.arocmag.com/article/01-2017-08-005.html
英文标题 Personalized collaborative filtering recommendation algorithm based on weighted Slope One
作者英文名 Li Taoying, Li Mo, Li Penghui
机构英文名 TransportationManagementCollege,DalianMaritimeUniversity,DalianLiaoning116026,China
英文摘要 The traditional CF algorithm has the problem of cold start, data sparseness and low operation efficiency. This paper chose Slope One algorithm which was more efficient and accurate than traditional CF algorithm for research and analyses its advantages, principle and process. It pointed out shortcomings of Slope one algorithm that it did not take user interest changes and user similarity into account. This paper put forward improved scheme of Slope one algorithm based on user interest forgetting function and user nearest neighbors.The experimental test on MovieLens dataset proves the feasibility and better time performance of improved scheme.
英文关键词 recommendation algorithm; collaborative filtering(CF); neighbor-selection; user interest forgetting function
参考文献 查看稿件参考文献
  [1] 许海玲, 吴潇, 李晓东, 等. 互联网推荐系统比较研究[J] . 软件学报, 2009, 20(2):350-362.
[2] 刘建国, 周涛, 汪秉宏. 个性化推荐系统的研究进展[J] . 自然科学进展, 2009, 19(1):1-15.
[3] 丁少衡, 姬东鸿, 王路路. 基于用户属性和评分的协同过滤推荐算法[J] . 计算机工程与设计, 2015, 36(2):487-491, 497.
[4] 王兴茂, 张兴明. 基于贡献因子的协同过滤推荐算法[J] . 计算机应用研究, 2015, 32(12):3551-3554.
[5] 王国霞. 基于用户引力的协同过滤推荐算法[J] . 计算机应用研究, 2016, 33(11):3329-3333.
[6] 王国霞, 刘贺平. 个性化推荐系统综述[J] . 计算机工程与应用, 2012, 48(7):66-76.
[7] 黄正. 协同过滤推荐算法综述[J] . 价值工程, 2012, 31(21):226-228.
[8] Su Xiaoyuan, Khoshgoftaar T M. A survey of collaborative filtering techniques[J] . Advances in Artificial Intelligence, 2009, 2009(1):1-19.
[9] 陈洁, 潘郁, 张振海, 等. 基于用户实时行为的Slope One模型与算法[J] . 运筹与管理, 2015, 24(1):89-92.
[10] Lemire D, Maclachlan A. Slope one predictors for online rating based collaborative filtering[C] //SIAM Data Mining. 2005:21-23.
[11] 赵强利, 蒋艳凰, 卢宇彤. 具有回忆和遗忘机制的数据流挖掘模型与算法[J] . 软件学报, 2015, 26(10):2567-2580.
[12] 江志恒, 刘乃芩. 论遗忘函数——关于记忆心理学的数学讨论[J] . 心理学动态, 1988(3):56-60.
[13] 查文琴, 梁昌勇, 曹镭. 基于用户聚类的协同过滤推荐方法[J] . 计算机技术与发展, 2009, 19(6):69-71, 75.
[14] 王辉, 高利军, 王听忠. 个性化服务中基于用户聚类的协同过滤推荐[J] . 计算机应用, 2007, 27(5):1225-1227.
[15] 霍珊. 基于用户行为聚类的个性化推荐算法[J] . 硅谷, 2009(22):74.
[16] http://grouplens. org/datasets/movielens/[DB/OL] .
收稿日期 2016/6/2
修回日期 2016/7/16
页码 2264-2268
中图分类号 TP181
文献标志码 A