融合用户自然最近邻的协同过滤推荐算法

摘要：

现有的基于近邻的协同过滤推荐方法如基于KNN、基于K-means的协同过滤推荐常用来预测用户评分,但该方法确定邻居个数K非常困难且推荐准确率不高,难以达到理想推荐效果.从选择邻居用户这一角度出发,提出一种融合用户自然最近邻的协同过滤推荐算法(Collaborative Filtering recommendation integrating user-centric Natural Nearest Neighbor,CF3N),该算法首先自适应地寻找目标用户的自然最近邻居集,再融合目标用户的自然最近邻居集与活动近邻用户集,使用融合后得到的邻居集合预测目标用户评分.实验使用了MovieLens数据集,以RMSE和MAE为评测标准,比较CF3N、CF-KNN与INS-CF算法,结果显示在电影领域该算法的推荐准确率有显著提高.

关键词：推荐系统、协同过滤、自然最近邻用户、无参、推荐准确率

所属期刊栏目：54

分类号：TP311(计算技术、计算机技术)

资助基金：重庆市自然科学基金CSCT2015JCYJA00005;重庆市教委项目KJ1500309;重庆市教改项目yjg123040,yjg152001;重庆师范大学校级项目cyjg1205,201625,xyjg16005;重庆师范大学研究生科研创新项目YKC14009

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：77-83