最新設計資源

一種改進的缺失數(shù)據(jù)協(xié)同過濾推薦算法[通信與網(wǎng)絡][數(shù)據(jù)中心]

協(xié)同過濾推薦算法是推薦系統(tǒng)研究的熱點，近年來，在亞馬遜、淘寶等商業(yè)系統(tǒng)中獲得應用。在實際應用過程中，協(xié)同過濾推薦面臨數(shù)據(jù)稀疏和準確性低的問題。作為推薦基礎的用戶產品（項目）矩陣通常非常稀疏（存在大量缺失數(shù)據(jù)），從而導致推薦結果不準確。文章試圖在缺失數(shù)據(jù)情況下提高協(xié)同過濾推薦的準確性，聚焦以下兩個方面：（1）用戶相似度、產品（項目）相似度計算；（2）缺失數(shù)據(jù)預測。首先，用增強的皮爾森相關系數(shù)算法，通過增加參數(shù)，對相似度進行修正，提高用戶、產品（項目）相似度計算的準確率。接著，提出一種同時考慮了用戶和產品（項目）特征的缺失數(shù)據(jù)預測算法。算法中，對用戶和產品（項目）分別設置相似度閾值，只有當用戶或產品（項目）相似度達到閾值時，才進行缺失數(shù)據(jù)預測。預測過程中，同時使用用戶和產品（項目）相似度信息，以提高準確度。在模型基礎上，用淘寶移動客戶端的數(shù)據(jù)集進行了驗證，實驗結果表明所提算法比其他推薦算法要優(yōu)異，對數(shù)據(jù)稀疏性的魯棒性要高。

發(fā)表于：9/26/2016