-
基于粗糙集的协同过滤算法研究
- 郑荔平,胡敏杰,杨红和,林耀进
-
2019, 54(2):
41-50.
doi:10.6040/j.issn.1671-9352.0.2018.037
-
摘要
(
1160 )
PDF (1293KB)
(
371
)
收藏
-
参考文献 |
相关文章 |
多维度评价
协同过滤的推荐性能受限于评分矩阵中数据的稀疏性。针对这个问题,提出一种基于粗糙集的协同过滤方法,能在一定程度上缓解数据稀疏性的影响。首先进行数据预处理,即利用用户评分数量以及用户的评分值,作为用户进行分类的特征值,对用户进行分类;其次,利用粗糙集属性约简的方法剔除对用户分类影响较小的项目,生成更小的用户-项目评分矩阵,以降低数据的稀疏性和规模;最后基于约简后的数据集进行用户相似度的计算,获得目标用户真正近邻。实验结果表明,所提算法在常用评价推荐性能的指标MAE,COVERAGE,PRECISION和RECALL中显著优于COS,PCC,ADCOS,NHSM算法中的指标。