基于用户历史行为的协同过滤推荐算法

王志虎; 黄曼莹

Chinese

您当前的位置：

首页 >

文章列表页 >

基于用户历史行为的协同过滤推荐算法

更新时间：2026-09-04

- 基于用户历史行为的协同过滤推荐算法
- Collaborative Filtering Recommendation Algorithm Based on Users Historical Behavior
- 微电子学与计算机 2017年34卷第5期页码：132-136
- 作者机构：
  
  1. 武汉理工大学信息工程学院,湖北,武汉,430070
  2. 广西经济管理干部学院机构计算机系,广西,南宁,530007
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
王志虎, 黄曼莹. 基于用户历史行为的协同过滤推荐算法[J]. 微电子学与计算机, 2017, 34(5): 132-136.

WANG Zhi-hu, HUANG Man-ying. Collaborative Filtering Recommendation Algorithm Based on Users Historical Behavior[J]. 2017, 34(5): 132-136.
王志虎, 黄曼莹. 基于用户历史行为的协同过滤推荐算法[J]. 微电子学与计算机, 2017, 34(5): 132-136. DOI：

WANG Zhi-hu, HUANG Man-ying. Collaborative Filtering Recommendation Algorithm Based on Users Historical Behavior[J]. 2017, 34(5): 132-136. DOI：

摘要

协同过滤推荐是数据挖掘一个重要方向

传统协同过滤推荐算法受到数据稀疏性和冷启动制约

难以获得理想的推荐结果

为了改善协同过滤推荐的准确性

提出了基于用户历史行为的协同过滤推荐算法.首先根据用户的历史行为预测用户对每一个项目的偏好程度

并采用标签描述用户对项目的偏好程度

建立相应的特征向量

然后根据特征向量计算项目相似度实现个性化推荐

最后采用多个经典数据进行了仿真测试

以验证算法的优越性.测试结果表明

该算法大幅度降低了推荐的误差

提高了协同过滤推荐的准确率

克服了传统协同过滤推荐算法存在的局限性

而且可以加快推荐速度

具有更高的实际价值.

Abstract

Collaborative filtering is an important direction of data mining

the traditional collaborative filtering recommendation algorithm is sensitive for by data sparsity and cold start control

so recommendation result is difficult to achieve the ideal. In order to improve the accuracy of collaborative filtering recommendation

a collaborative filtering recommendation algorithm based on user behavior prediction is proposed in this paper.Preference for resources is predicted of according to the users historical behavior

label is used to describe users Preference for resources and establish feature vector

and secondly similarity of resources are computed according to the feature vector and achieve personalized recommendation

finally a number of classic data are adopted to carry out the simulation test to verify the superiority. The test results show that the proposed algorithm greatly reduces the error of collaborative filtering recommendation and improve the accuracy to overcome the limitations of traditional collaborative filtering algorithms

but also can accelerate the recommended speed

so it has higher practical value.

关键词

Keywords

references

Yin F, Wang Z, Tan W, et al. Sparsity-tolerated algorithm with missing value recovering in user-based collaborative filtering recommendation [J]. 2013, 15(10): 4939-4948.

杨兴耀, 于炯, 吐尔根·依布拉音, 等. 基于信任模型填充的协同过滤推荐模型[J]. 计算机工程, 2015, 41(5): 6-13. DOI: 6

方耀宁, 郭云飞, 扈红超, 等. 一种基于Sigmoid函数的改进协同过滤推荐算法[J]. 计算机应用研究, 2013, 30(6): 1688-1691. DOI: 1688

韦素云, 业宁, 朱健, 等. 基于项目聚类的全局最近邻的协同过滤算法[J]. 计算机科学, 2012, 39(12): 149-152. DOI: 149

Adomavicius G, Tuzhilin A. Towardthe next generation of recommender systems: a survey of the state-of-the-art and possible extensions[J]. IEEE Transactions on Knowledge % Data Engineering, 2005, 17(6): 734-749. DOI: 734

Bobadilla J, Serradilla F, Bernal J. A new collaborative filtering metric that improves the behavior of recommendersystems [J]. Knowledge-Based Systems, 2010, 23(6): 520-528. DOI: 520

施风仙, 陈恩红. 结合项目区分用户兴趣度的协同过滤算法[J]. 小型微型计算机系统, 2012, 33(7): 1533-1536. DOI: 1533

Wu Yekui, Yao Jianrong, et al. Collaborative filtering based on multi-level item category system [J]. Journal of Convergence Information Technology, 2012, 7(7): 64-71. DOI: 64

荣辉桂, 火生旭, 胡春华, 等. 基于用户相似度的协同过滤推荐算法[J]. 通信学报, 2014, 35(2): 16-24. DOI: 16

冯永, 陈显勇. 基于评分信息量的协同过滤算法研究[J]. 计算机工程与应用, 2013, 49(20): 198-201. DOI: 198

Lin H, Yang X, Wang W, et al. A performance weighted collaborative filtering algorithm for personalized radiology education [J]. Journal of Biomedical Informatics, 2014, 51: 107-113. DOI: 107

Bokde D, Girase S, Mukhopadhyay D. Matrix Factorization model in collaborative filtering algorithms: a survey [J]. Procedia Computer Science, 2015, 49(1): 136-146. DOI: 136

肖晓丽, 钱娅丽, 李旦江, 等. 基于用户兴趣和社交信任的聚类推荐算法[J]. 计算机应用, 2016, 36(5): 1273-1278. DOI: 1273

祝奇伟, 陈家琪. 一种改进相似度计算方法的协同过滤推荐算法[J]. 信息技术, 2015, 22(3): 13-16. DOI: 13

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

评分可信度条件下的协同过滤模型

基于评分区间相似性的协同过滤推荐算法

基于多尺度融合与小目标增强的航拍车辆检测算法

V型沟槽SiC中子探测器的蒙特卡洛分析

注意力机制与改进密集卷积引导的信息隐藏模型