基于双因子混合加权相似度的协同过滤推荐算法
王留芳1
刘镇镇2
魏蓝3
吴正江2
1.河南理工大学计算机科学与技术学院,河南焦作454000;鹤壁汽车工程职业学院电子工程系,河南鹤壁4580302.河南理工大学计算机科学与技术学院,河南焦作4540003.厦门大学信息学院,福建厦门361005
摘要：针对在数据稀疏和冷启动情况下,使用协同过滤推荐算法中传统相似度算法产生相似度不准确的问题,本文将传统相似算法中修正余弦相似度算法与基于用户属性的相似度算法加权混合,引入双因子作为权重,双因子用sigmoid函数定义,以阈值与读者借阅量的差值为变量,当读者借阅量大于(小于)阈值时,数据不稀疏(稀疏),修正余弦相似度算法权重自动增加(降低),基于用户属性相似度算法的权重自动降低(增加).这种自动调整2种相似度算法权重的方法,既考虑了传统相似算法的优点,又避免其缺点.通过实验证明,改进后的算法提高了相似度计算的准确性,提高了推荐精度,在一定程度上解决了数据稀疏和冷启动下产生的相似度不准确问题.
关键词：推荐算法协同过滤阈值双因子sigmoid函数权重用户属性
分类号：TP391.3(计算技术、计算机技术)
资助基金：国家自然科学基金(11601129)
论文发表日期：2020-12-28
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：6( 133-138 )
英文信息