计算机技术与发展2023，Vol.33Issue(3) ：15-19.DOI:10.3969/j.issn.1673-629X.2023.03.003

融合项目热门惩罚因子改进协同过滤推荐方法

Improved Collaborative Filtering Recommendation Method Integrating Item Popularity Punishment Factor

刘雯雯 汪皖燕 程树林
计算机技术与发展2023，Vol.33Issue(3) ：15-19.DOI:10.3969/j.issn.1673-629X.2023.03.003
✕
  • 维普
  • 万方数据

融合项目热门惩罚因子改进协同过滤推荐方法

Improved Collaborative Filtering Recommendation Method Integrating Item Popularity Punishment Factor

刘雯雯 1汪皖燕 1程树林1
扫码查看

作者信息

  • 1. 安庆师范大学计算机与信息学院,安徽安庆246133
  • 折叠

摘要

推荐系统是大数据时代解决信息过载问题的一种重要工具,协同过滤是推荐系统中出现最早、应用最广泛的一种推荐算法.针对传统协同过滤推荐算法存在的项目热门度偏差问题,提出了一种融合项目热门惩罚因子改进协同过滤推荐方法.引入热门阈值,根据项目热门度将项目进行二分类,即热门项目(项目热门度较高的项目)和非热门项目(项目热门度较低的项目).重点针对热门项目,融合项目热门惩罚因子改进协同过滤推荐方法,降低热门项目的贡献,从而提升推荐精度.在MovieLens100K数据集上对所提推荐方法进行实验验证.实验结果表明,在参数取最优值时,所提推荐方法较为有效地降低了评分预测的平均绝对误差和均方根误差,一定程度上验证了项目热门惩罚因子的有效性.

关键词

推荐系统/热门度偏差/协同过滤/二分类/评分预测

引用本文复制引用

基金项目

安徽省自然科学基金(2008085MF193)

安徽省质量工程项目(2019jyxm0285)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量5
段落导航相关论文