基于组合相似度的优化协同过滤算法-计算机应用与软件.PDFVIP

第３１卷第１２期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．１２ ２０１４年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１４ 基于组合相似度的优化协同过滤算法 查　九　李振博　徐桂琼 （上海大学管理学院　上海２００４４４） 摘　要　　协同过滤算法是个性化推荐系统中应用最广泛的一种推荐技术。随着用户数量和项目数量的增加，数据的稀疏性成为 影响推荐质量的重要因素。为此，将传统相似度指标修正余弦相似性、Ｐｅａｒｓｏｎ相似度，与结构相似度指标Ｊａｃｃａｒｄ系数、Ｓａｌｔｏｎ系数、 ＩＵＦ系数进行组合，提出６种组合相似度。在ＭｏｖｉｅＬｅｎｓ上的实验表明，基于组合相似度的优化协同过滤算法在平均绝对偏差ＭＡＥ、 均方根误差ＲＭＳＥ、召回率、覆盖率和确率等性能上都有了较大提高，提高了推荐质量。 关键词　　推荐系统　协同过滤　组合相似度 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．１２．０７９ ＡＮＯＰＴＩＭＩＳＥＤＣＯＬＬＡＢＯＲＡＴＩＶＥＦＩＬＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＢＡＳＥＤ ＯＮＣＯＭＢＩＮＥＤＳＩＭＩＬＡＲＩＴＹ  ＺｈａＪｉｕ　ＬｉＺｈｅｎｂｏ　ＸｕＧｕｉｑｉｏｎｇ （ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００４４４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｉｓａｍｏｓｔｗｉｄｅｌｙｕｓｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｔｅｃｈｎｉｑｕｅｉｎｐｅｒｓｏｎａｌｉｓｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ．Ｗｉｔｈｔｈｅ ｉｎｃｒｅａｓｅｉｎｎｕｍｂｅｒｓｏｆｕｓｅｒａｎｄｉｔｅｍ，ｔｈｅｓｐａｒｓｉｔｙｏｆｄａｔａｂｅｃｏｍｅｓａｎｉｍｐｏｒｔａｎｔｆａｃｔｏｒａｆｆｅｃｔｉｎｇｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｑｕａｌｉｔｙ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ ｓｉｘｔｙｐｅｃｏｍｂｉｎｅｄｓｉｍｉｌａｒｉｔｉｅｓａｒｅｐｒｅｓｅｎｔｅｄ，ｗｈｉｃｈｃｏｍｂｉｎｅｓｔｗｏｔｒａｄｉｔｉｏｎａｌｓｉｍｉｌａｒｉｔｙｍｅｔｒｉｃｓｏｆｔｈｅａｄｊｕｓｔｅｄｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙａｎｄｔｈｅ ＰｅａｒｓｏｎｃｏｒｒｅｌａｔｉｏｎｗｉｔｈｔｈｅｓｔｒｕｃｔｕｒｅｓｉｍｉｌａｒｉｔｙｍｅｔｒｉｃｓｓｕｃｈａｓＪａｃｃａｒｄｃｏｅｆｆｉｃｉｅｎｔ，ＳａｌｔｏｎｃｏｅｆｆｉｃｉｅｎｔａｎｄＩＵＦｃｏｅｆｆｉｃｉｅｎｔ．Ｅｘｐｅｒｉｍｅｎｔｄｏｎｅｏｎ ＭｏｖｉｅＬｅｎｓｓｈｏｗｓｔｈａｔｔｈｅｃｏｍｂｉｎｅｄｓｉｍｉｌａｒｉｔｙｂａｓｅｄｏｐｔｉｍｉｓｅｄｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｒａｉｓｅｓａｌｏｔｉｎＭＡＥ，ＲＭＳＥ，ｒｅｃａｌｌ，ｃｏｖｅｒａｇｅ ａｎｄｐｒｅｃｉｓｉｏｎ，ａｎｄｉｍｐｒｏｖｅｓｒｅｃｏｍｍｅｎｄａｔｉｏｎｑｕａｌｉｔｙａｓｗｅｌｌ． Ｋｅｙｗｏｒｄｓ　　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ　Ｃｏｍｂｉｎｅｄｓｉｍｉｌａｒｉｔｙ ［１０］ Ｈｙｕｎｇ 综合考虑了邻近性、影响性和偏好性三个参数，提出了 ０　引　言 一种探索式的ＰＩＰ相关度计算方法，ＰＩＰ算法在解决冷启动问 ［１１］