融合改进加权Slope One的协同过滤算法

王家华; 谈国新; 张文元; 王阳; 杨观赐

Chinese

您当前的位置：

首页 >

文章列表页 >

融合改进加权Slope One的协同过滤算法

更新时间：2026-09-04

- 融合改进加权Slope One的协同过滤算法
- Integrating improved weighted Slope One into collaborative filtering algorithm
- 微电子学与计算机 2020年37卷第4期页码：37-42
- 作者机构：
  
  1. 华中师范大学国家文化产业研究中心,湖北,武汉,430079
  2. 郑州银行博士后工作站,河南,郑州,450046
  3. 贵州大学现代制造技术教育部重点实验室机构,贵州,贵阳,550025
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61863005贵州省科技计划项目黔科合平台人才20185702贵州省科技计划项目黔科合支撑20192814贵州省科技计划项目黔科合平台人才20185781号湖北省技术创新专项重大项目 2018AAA069
- DOI：
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
王家华, 谈国新, 张文元, 王阳, 杨观赐. 融合改进加权Slope One的协同过滤算法[J]. 微电子学与计算机, 2020, 37(4): 37-42.

WANG Jia-hua, TAN Guo-xin, ZHANG Wen-yuan, et al. Integrating improved weighted Slope One into collaborative filtering algorithm[J]. 2020, 37(4): 37-42.
王家华, 谈国新, 张文元, 王阳, 杨观赐. 融合改进加权Slope One的协同过滤算法[J]. 微电子学与计算机, 2020, 37(4): 37-42. DOI：

WANG Jia-hua, TAN Guo-xin, ZHANG Wen-yuan, et al. Integrating improved weighted Slope One into collaborative filtering algorithm[J]. 2020, 37(4): 37-42. DOI：

摘要

针对传统协同过滤算法中存在的数据稀疏性问题，提出一种融合改进加权Slope One的协同过滤算法.该算法首先使用改进后的Slope One算法计算出的评分预测值，对初始的用户-评分矩阵进行有效填充，然后在新的评分矩阵上通过基于内存的协同过滤算法进行预测与推荐.经改进Slope One算法填充后的矩阵不仅大大降低了原始评分矩阵的稀疏性，同时也避免了回填数据过于单一的问题.在MovieLens-100k数据集上对文中算法进行仿真实验，结果表明，改进算法有效降低了MAE和RMSE，在提高推荐准确度的同时也缓解了数据稀疏性的问题.

Abstract

Aiming at the problem of data sparsity in traditional collaborative filtering algorithm

this paper proposed a collaborative filtering algorithm combined with improved weighted Slope One.The algorithm firstly used the score prediction value calculated by the improved slope one algorithm to effectively fill in the initial user-score matrix

and then made prediction and recommendation through the memory-based collaborative filtering algorithm on the new score matrix.The matrix filled by the improved Slope One algorithm not only greatly reduced the sparsity of the scoring matrix

but also avoided the problem that the backfill data is too single.Simulation experiments on movieslens-100k datatset show that the improved algorithm effectively reduces the MAE and RMSE

and improves the recommendation accuracy while alleviating the problem of data sparsity.

关键词

Keywords

references

孔欣欣, 苏本昌, 王宏志, 等.基于标签权重评分的推荐模型及算法研究[J].计算机学报, 2017, 40(6):1440-1452. DOI: 1440

BREESE J S, HECKERMAN D, KADIE C.Empirical analysis of predictive algorithms for collaborative filtering [C]// Proceedings of the 14th conference on Uncertainty in artificial intelligence.Morgan New York: Kaufmann Publishers Inc, 1998: 43-52.

北京 RICCI F, ROKACH L, SHAPIRA B, et al.推荐系统:技术, 评估及高效算法[M].李艳民, 胡聪, 吴宾, 等, 译.北京:机械工业出版社.2015:13.

SARWAR B M, KARYPIS G, KONSTAN J A, et al. Item-based collaborative filtering recommendation algorithms [C]// Proceedings of the 10th international conference on World Wide Web.New York: ACM Press, 2001: 285-295.

LEMIRE D, MACLACHLAN A.Slope one predictors for online rating-based collaborative filtering [C]// Proceedings of the 2005 SIAM International Conference on Data Mining.California: Society for Industrial and Applied Mathematics, 2005: 471-475.

郁雪, 李敏强.一种结合有效降维和K-means聚类的协同过滤推荐模型[J].计算机应用研究, 2009, 26(10):3718-3720. DOI: 3718

ADOMAVICIUS G, TUZHILIN A.Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions[J].IEEE Transactions on Knowledge % Data Engineering, 2005(6):734-49. DOI: 734

张光卫, 李德毅, 李鹏, 等.基于云模型的协同过滤推荐算法[J].软件学报, 2007, 18(10):2403-2411. DOI: 2403

刘旭东, 葛俊杰, 陈德人.一种基于聚类和协同过滤的组合推荐算法[J].计算机工程与科学, 2010, 32(12):125-127. DOI: 125

张锋, 常会友.使用BP神经网络缓解协同过滤推荐算法的稀疏性问题[J].计算机研究与发展, 2006, 43(4):667-672. DOI: 667

董丽, 邢春晓, 王克宏.基于不同数据集的协作过滤算法评测[J].清华大学学报(自然科学版), 2009(4):590-594. DOI: 590

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

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

注意力机制与改进密集卷积引导的信息隐藏模型

基于多尺度融合与小目标增强的航拍车辆检测算法

基于改进RT-DETR的航拍小目标检测算法