一种面向用户偏好定向挖掘的协同过滤个性化推荐算法

摘要：

[目的]解决协同过滤推荐的可扩展性问题和数据稀疏性问题.[方法]提出一种面向用户偏好定向挖掘的协同过滤算法.该算法以时间为约束,第一阶段先寻找基于项目的弱相似用户;第二阶段基于用户关联性和属性相似性进行定向挖掘,形成推荐集合.[结果]实验结果表明,新算法的时间复杂度降低一个数量级,并且数据越稀疏,推荐精度的领先优势越大.[局限]该算法基于用户已表现出的偏好进行深度推荐,对未表现出的其他偏好暂未涉及.[结论]该算法在提升可扩展性的同时,对数据稀疏性也有很强的适应能力.

关键词：协同过滤、用户偏好、个性化推荐、推荐算法

分类号：G202(信息与传播理论)

在线出版日期：2014-08-11（万方平台首次上网日期，不代表论文的发表时间）

页码：25-32