基于Apriori关联分析的协同过滤改进算法
王琦
王逊
黄树成
江苏科技大学计算机学院 镇江 212000
摘要：在个性化推荐系统中,协同过滤技术被广泛采用.然而,其在处理数据稀疏性问题时的局限性,往往导致推荐结果的精准度不足.论文提出一种引入关联规则进行关联分析的协同过滤改进算法,首先,通过Apriori关联分析得到有效的强关联规则构建推荐度计算方法,并基于此进行评分预测.同时,考虑到传统的协同过滤推荐算法在推荐系统中的时效性问题,引入惩罚项和时间因子对原有的相似性度量算法进行优化,降低相似度计算时的偶然性对结果造成的误差.最后,通过集成推荐策略将两种不同的推荐算法融合以生成混合推荐结果.实验结果表明,与经典的协同过滤方法相比,所提出的改进算法在缓解数据稀疏性问题和提升预测准确性方面表现出显著优势,从而增强了推荐系统的性能.
关键词：协同过滤关联分析时效性相似度混合推荐
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(61772244)
论文发表日期：2025-03-20
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：7( 617-622,665 )
英文信息