基于2KR6BQF6与项目分类的协同过滤算法.PDFVIP

第 卷 第 期 计 算 机 工 程 年 月 人工智能及识别技术 文章编号 文献标志码 中图分类号 基于与项目分类的协同过滤算法 程 曦 陈 军 武汉大学 国家多媒体软件工程技术研究中心武汉 武汉大学 深圳研究院广东 深圳 摘 要 针对传统协同过滤算法中存在的数据稀疏性和系统可扩展性问题提出一种新的协同过滤算法 根据用 户对不同项目的评价信息得出项目评分矩阵利用朴素贝叶斯分类器对项目进行分类通过修正的余弦相似度计 算方法在相同类中寻找项目最近邻集合 结合 平台下的并行计算框架进行数据分布式处理 最终形成评分预测列表进行项目推荐 实验结果表明与基于用户分类的协同过滤算法和基于项目分类的协同过 滤算法相比该算法能有效解决因数据稀疏导致预测精度较低的问题具有较高的推荐准确性并且通过算法并行 计算提高了系统运行效率和可扩展性 关键词 协同过滤项目分类相似度计算并行计算分布式处理评分预测 中文引用格式程 曦陈 军基于与项目分类的协同过滤算法计算机工程 英文引用格式 的技术之一其易于实现对于数据资源的要求较 概述 低无需对用户和项目进行严格建模并且可以处理 随着互联网的快速发展各类数据信息呈现出 复杂的非结构化对象因而得到了广泛应用 爆发式增长如何从海量数据中找出所需信息是目 传统的协同过滤算法一般先根据用户对项目的 前需解决的重要问题 以推荐系统 为代表的信息 评分数据计算出用户或项目间的相似度然后找到 过滤技术可根据个人习惯和偏好从大量数据中筛选 最近邻最后产生推荐列表进行项目推荐 然而当 出有用信息进行推荐从而有效地解决信息过载的 数据量比较大时用户涉及的信息量往往很少且评 问题 协同过滤算法 是推荐系统