计算机工程

作者：柯翔敏, 陈江, 罗光华

单位：华侨大学 网络与教育技术中心, 福建 厦门 361021

关键词：推荐算法,协同过滤,相似度,兴趣分配,逆流行度,共同兴趣项

基金：福建省中青年教师科研项目（JZ180187，JZ180193）。

协同过滤推荐算法通过对用户行为进行相似度计算来实现目标推荐，但传统协同过滤算法的相似度计算存在一定的失真性。针对该问题，依据越不流行的物品兴趣分配权重越大的思想，提出逆流行度与共同兴趣项的概念，并设计一种相似度计算方法。在相似度计算时降低流行度高的物品的权重，从而减小热门物品对用户个性化的影响，同时提高共同兴趣数量对相似度影响的权重。在此基础上，建立一种新的推荐模型从而为目标用户推荐相似度最高的用户集。在数据集MovieLens上的实验结果表明，该相似度计算方法能够取得较好的推荐效果，其精确率、召回率及F1值优于Cosin、Pearson和Corrcosin方法。

来源：2020年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第8期