结合关联规则填充的协同过滤改进算法

摘要：

为了改善传统个性化推荐中协同过滤算法存在的诸如用户和项目评分矩阵稀疏、推荐准确度不高、冷启动等问题,提出一种结合关联规则填充对协同过滤推荐算法进行改进的方法.这种算法是在协同过滤算法的第一步前加入通过关联规则得到的结果,预测一些没有评分值的项目,将新得到的数据填充到原用户-项目评分矩阵中,降低评分矩阵的稀疏性,从而提供更多数据的相似性计算,在此基础上再结合基于传统项目的协同过滤算法对用户进行推荐.通过MovieLens数据集进行实验对比,结果显示文中提出的算法与传统算法相比,推荐系统的准确性和有效性显著提高.

关键词：关联规则、数据填充、协同过滤、推荐算法、评分矩阵、数据稀疏、对比实验

所属期刊栏目：42

分类号：TN911.1-34;TP301.6

资助基金：国家自然科学基金资助项目61271276

在线出版日期：2019-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：78-81,86