面向稀疏数据的物品相似度和评分预测算法研究
作者:田欢欢; 赵文涛; 吴岩; 冯婷婷; 崔自恒
更新时间:
在基于邻域的协同过滤算法,相似性和分数预测方法的设计是其核心步骤。由于数据稀疏的问题,所选邻域的质量和分数预测能力受到很大影响。为了解决上述问题,提出了一种稀疏数据的项目相似度和分数预测算法。首先,根据模糊集与推荐系统之间的相关性,从用户偏好概率的角度提出了一种基于vague集的Kullback-Leibler散度来度量项目的相似性。其次,定义权重因子,强调评分量信息的重要性,进一步提高相似度计算的准确性。最后,提出了一种改进的评分预测方法,整合更多的评分信息,调整预测结果,提高稀疏数据下的评分预测能力。在基准数据集上的实验表明,与其他有代表性的算法相比,该方法具有更高的预测和推荐质量,有效地缓解了数据稀疏性问题。