一种新的基于非对称皮尔逊相似度的协同过滤算法.docVIP

  一种新的基于非对称皮尔逊相似度的协同 过滤算法 朱佳龙，吕玉琴，李巍海，侯宾** 5 10 （北京邮电大学电子工程学院，北京 100876） 摘要：在传统的协同过滤算法中，一般通过余弦相似度、皮尔逊相似度、杰卡德皮尔逊相似 度等计算用户间的相似度。然而，对于稀疏度高的用户数据矩阵，传统的相似度算法有一定 的缺陷，会造成无关用户也可以通过计算得到较高的相似度。在本文中，通过对传统相似度 算法进行定性和定量分析，分析其优缺点，并针对其缺点提出了一种新的非对称皮尔逊相似 度算法（ASC-Pearson）。通过使用 MovieLens 数据集进行实验表明，在用户数据稀疏的情 况下，新的相似度算法在要优于传统相似度算法。 关键词：计算机应用；协同过滤；相似度算法；推荐系统 中图分类号：TP391 15 A new Collaborative Filtering Algorithm based on Asymmetric Pearson Similarity Zhu Jialong, Lv Yuqin, Li Weihai, Hou Bin (School of Electronic Engineering, Beijing University of Posts and Telecommunications, Beijing 20 25 100876) Abstract: In traditional collaborative filtering algorithms, the similarity between users is usually calculated by Cosine similarity, Pearson similarity, JacPearson similarity, etc. However, for highly sparse user data matrix, the traditional similarity algorithm has some shortcomings, which will cause the users have a much higher similarity. In this paper, through qualitative and quantitative analysis of traditional similarity algorithms, their advantages and disadvantages were analyzed before putting forward a new asymmetric Pearson similarity algorithm (ASC-Pearson). Experiment with MovieLens dataset shows that, for condition with sparse user data, the new similarity algorithm performs better than the traditional similarity algorithms. Key words: computer application; collaborative filtering; similarity algorithm; recommend system 30 0 引言 互联网的快速发展，带来了网络内容的爆炸式增长。人们每天接触信息逐渐增多，信息 过载问题也越来越严重。因此，如何帮助用户从海量信息中快速提取出用户感兴趣的信息， 从而对用户进行信息推荐，是越来越重要的研究课题。 35 40 协同过滤是使用的最广泛的推荐技术[1]，可以有效的解决信息过载问题。协同过滤的核 心思想是：通过分析与用户有相似爱好的用户，综合这些用户对某一物品的评价，从而对该 用户对此物品的可能评价进行预测。协同过滤思想与我们在日常生活中的思想是一致的。例 如，我们在去电影院看电影的时候，如果不知道想看什么电影，总是会询问周围的人最近上 映的哪一部电影好看。如果大家对某一部电影评价都很不错，那么去看这部电影一般都会是 一个还不错的决定。 在推荐算法中，核心思想的是通过用户对物品的评分找到与用户最相似的用户。之后， 根据这些相似用户对其他物品的评分，综合预测此用户可能的评分。目前，主流的相似度算 作者简介：朱佳龙（1988-），男，硕士研究生，机器学习、数据挖掘 通信联系人：吕玉琴（1945-），女，教授，智能信息处理、网络安全、多媒体通信系统. lvyq@263.net -1-   法包括皮尔逊相似度[2]、余弦相似度[3] [4]、改进的余弦相似度[5]、杰卡德皮尔逊相似