基于层次项目相似性的推荐算法.pdfVIP

基于层次项目相似性的推荐算法 孙远帅 1 ，陈垚 1 ，刘向荣 1,2 ，陈珂 3 ，林琛 1,2* （1. 厦门大学计算机科学系，福建 厦门 361005 ；2. 厦门大学深圳研究院，广东 深圳 518057 ； 3. 广东石油化工学院计算机科学与技术系，广东 茂名 525000 ） 摘要: 针对协同过滤算法推荐效果依赖于相似度度量方法的问题，本研究提出了一种基于项目层次结构相似度的推荐算法 REHIS（Recommendation Hierarchical Similarity），该方法首先利用关联规则挖掘和 KNN（K Nearest Neighbor）算法完善项目层次 结构，然后利用 TopK 算法计算项目之间的相似度，最后利用基于项目的协同过滤算法框架预测用户评分；为了解决协同过滤算 法扩展性差的问题，本研究还把 TopK 算法推广到余弦距离和皮尔逊相关系数等常见的相似度度量方法。实验结果表明，与传统 的协同过滤算法相比，REHIS 能够获得更优的均方根误差，TopK 算法可以减少最近邻项目的查找时间。 关键词: 推荐系统；协同过滤；TopK；标签；项目层次；倒排索引 中图分类号:TP391 文献标志码: A Recommendation on hierarchical item similarity 1 1 1,2 3 1,2* SUN Yuan-shuai ，CHEN Yao ，LIU Xiang-rong ，CHEN Ke ，LIN Chen （1.School of Information Science Technology, Xiamen University, Xiamen 361005, China； 2.Shenzhen Research Institute, Xiamen University, Shenzhen 518057, China ； 3.Department of Computer Science and Technology,Guangdong University of Petrochemical Technology, Maoming 525000, China ） Abstract: To solve the problem that CF(Collaborative Filtering) recommendation highly depends on the accurate similarity measurement, a novel recommendation algorithm based on item hierarchy similarity was proposed, which was named REHIS(Recommendation Hierarchical Similarity). The framework of REHIS was described as follows. First, the mining association rules and KNN (K Nearest Neighbor) algorithm were used to complement the hierarchy structure. Afterwards, the TopK method was employed to compute the similarity between items. Finally, scores were predicted by using the framework of item-based CF algorithm. On the other hand, to solve the CF poor scalability problem,