国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

改進(jìn)的協(xié)同過濾推薦算法

2017-01-13 08:22:08于玉龍王秀芳
中國(guó)新通信 2016年22期
關(guān)鍵詞:相似度協(xié)同過濾信任度

于玉龍+王秀芳

【摘要】 協(xié)同過濾被廣泛應(yīng)用到個(gè)性化推薦中,本文針對(duì)傳統(tǒng)協(xié)同過濾推薦算法準(zhǔn)確度不高的問題進(jìn)行研究,將用戶之間共同評(píng)分的物品數(shù)量作為相似度計(jì)算的重要指標(biāo),并引入信任度對(duì)用戶評(píng)分進(jìn)行修正,提高推薦準(zhǔn)確度。

【關(guān)鍵詞】 協(xié)同過濾 信任度 相似度 電影推薦

一、引言

隨著互聯(lián)網(wǎng)的發(fā)展,人們很難再海量的數(shù)據(jù)中快速找到自己需要的資源,很多網(wǎng)站想挖掘用戶的偏好向用戶推薦他們感興趣的物品,協(xié)同過濾是最常用的推薦技術(shù)[1]。推薦技術(shù)主要有基于物品的推薦與基于用戶的推薦及混合推薦三種。許多研究人員提出了不同的算法來提高推薦可靠性,如采用不同聚類方法的協(xié)同過濾[2]。本文采用基于用戶的推薦方法,最后實(shí)驗(yàn)表明改進(jìn)后的方法比傳統(tǒng)協(xié)同過濾算法更可靠。

二、傳統(tǒng)協(xié)同過濾推薦算法

傳統(tǒng)的協(xié)同過濾的一般過程是根據(jù)用戶評(píng)分對(duì)用戶進(jìn)行相似度的計(jì)算,根據(jù)相似度找到用戶的鄰居用戶,然后由鄰居用戶的喜好來預(yù)測(cè)評(píng)分進(jìn)行推薦[3]。

用戶相似度的計(jì)算是產(chǎn)生鄰居用戶并根據(jù)鄰居用戶進(jìn)行個(gè)性化推薦的重要步驟,Person相似度算法是常用的相似度計(jì)算方法。設(shè)用戶u和v共同評(píng)分過的物品集合為Iuv,則相似性sim(u,v)為:

3.1相似度的修正

3.2引入信任度

傳統(tǒng)的協(xié)同過濾算法在預(yù)測(cè)用戶關(guān)于物品的評(píng)分時(shí),只考慮了兩個(gè)用戶間的相似度,而忽視了該評(píng)分或該用戶是否可信。景民昌等人提出“專家信任度”的概念[4],用來衡量用戶向其他用戶提供可靠信息的能力。用戶u關(guān)于物品i的評(píng)價(jià)可信度為

4.1數(shù)據(jù)集和評(píng)價(jià)標(biāo)準(zhǔn)

本文采用MovieLens站點(diǎn)提供的ml-100k公開數(shù)據(jù)集,對(duì)提出的算法優(yōu)化并傳統(tǒng)的協(xié)同過濾算法進(jìn)行了對(duì)比實(shí)驗(yàn)。該數(shù)據(jù)集包含了943個(gè)用戶對(duì)1682部電影的100000條評(píng)分,評(píng)分范圍是1到5分。

進(jìn)行實(shí)驗(yàn)時(shí),將實(shí)驗(yàn)數(shù)據(jù)的20%用戶劃為測(cè)試集,其它80%用戶為訓(xùn)練集。利用訓(xùn)練集用戶對(duì)測(cè)試集用戶進(jìn)行推薦。

采用均方根誤差RMSE(Root Mean Squared Error) 來衡量預(yù)測(cè)結(jié)果與用戶真實(shí)評(píng)分之間的誤差。

4.2實(shí)驗(yàn)結(jié)果

本文通過實(shí)驗(yàn)來比較傳統(tǒng)協(xié)同過濾算法與綜合改進(jìn)的協(xié)同過濾算法的性能,在鄰居數(shù)為50的情況下,傳統(tǒng)協(xié)同過濾算法得到的RMSE為1.15,改進(jìn)的算法RMSE為0.93,改進(jìn)的協(xié)同過濾方法有較小的誤差。由此可知,與傳統(tǒng)的相似性度量方法相比,本文提出的改進(jìn)可以顯著地提高推薦系統(tǒng)的推薦質(zhì)量。

五、結(jié)語(yǔ)

本文介紹了協(xié)同過濾的基本原理,提出了一種改進(jìn)的協(xié)同過濾算法,一定程度上提高了推薦準(zhǔn)確度和可靠性,但實(shí)驗(yàn)中仍存在一些問題,有待進(jìn)一步研究。

參 考 文 獻(xiàn)

[1] 項(xiàng)亮. 推薦系統(tǒng)實(shí)踐[M]. 北京: 人民郵電出版社, 2012: 3-4.

[2] 王國(guó)霞, 劉賀平.個(gè)性化推薦系統(tǒng)綜述[J]. 計(jì)算機(jī)工程與應(yīng)用, 2012, 48(7): 66-76.

[3] 鄧愛林,朱揚(yáng)勇,施伯樂.基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過濾推薦算法[J].軟件學(xué)報(bào),2003,14(9):1621-1628.

[4] 景民昌, 唐弟官,于迎輝.基于專家信任優(yōu)先的協(xié)同過濾推薦算法[J],圖書情報(bào)工作, 2012.56(11): 105-108.

猜你喜歡
相似度協(xié)同過濾信任度
全球民調(diào):中國(guó)民眾對(duì)政府信任度最高
模糊Petri網(wǎng)在油田開發(fā)設(shè)計(jì)領(lǐng)域的應(yīng)用研究
基于鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)的協(xié)同過濾推薦算法設(shè)計(jì)與實(shí)現(xiàn)
基于相似傳播和情景聚類的網(wǎng)絡(luò)協(xié)同過濾推薦算法研究
基于協(xié)同過濾算法的個(gè)性化圖書推薦系統(tǒng)研究
混合推薦算法在電影推薦中的研究與評(píng)述
相似度算法在源程序比較中的應(yīng)用
影響母線負(fù)荷預(yù)測(cè)的因素及改進(jìn)措施
科技視界(2016年10期)2016-04-26 11:40:14
基于粗糙集的麗江房?jī)r(jià)研究
基于信任度評(píng)估的移動(dòng)自組織網(wǎng)絡(luò)路由協(xié)議
林口县| 闸北区| 庆阳市| 清水河县| 泗阳县| 苏尼特左旗| 璧山县| 洛隆县| 临潭县| 隆德县| 灵川县| 彰武县| 仁寿县| 开原市| 五河县| 曲水县| 文安县| 定陶县| 屏山县| 信阳市| 册亨县| 三亚市| 澄江县| 呈贡县| 晋江市| 台前县| 天门市| 安远县| 磴口县| 丰宁| 扶沟县| 孟连| 泰宁县| 西安市| 田东县| 丹东市| 嘉鱼县| 三河市| 墨江| 贵定县| 雅江县|