基于GEP-RBF的协同过滤数据稀疏性问题研究
古凌岚
广东轻工职业技术学院计算机工程系 广州510300
摘要：针对传统协同过滤推荐算法的数据稀疏性问题,提出了基于GEP-RBF的协同过滤推荐算法.该算法对目标用户偏好的分类范畴进行了分析,构建了局部用户-项目评分矩阵,同时利用GEP优化RBF神经网络,预测局部用户-项目评分矩阵的缺失评分,平滑评分矩阵,并给出了用户评分项目交集阈值修正相似度的方法,提高用户相似度计算的准确性.实验结果表明,该算法能有效地缓解数据稀疏性问题,从而提高了协同过滤推荐系统的推荐质量.
关键词：协同过滤基因表达式编程(GEP)径向基函数(RBF)神经网络数据稀疏性推荐系统
分类号：TP391(计算技术、计算机技术)
论文发表日期：2013-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1433-1436,1441 )
英文信息