全站搜索
一种基于粗集的协同过滤算法
作者:管理员    发布于:2015-11-02 08:31:16    文字:【】【】【

  一种基于粗集的协同过滤算法张巍,刘鲁,葛健(北京航空航天大学经济管理学院,北京100083)性;然后采用分类近似质量计算用户间的相似性形成近邻居,产生预测。,实验结果表明,在各种实验条件下(―6),与传统的基于项目的协同过滤算法以及基于Pearson相关系数的协同过滤算法相比,基于粗集的协同过滤算法均具有小的MAE,因而其质量高。

  与传统的协同过滤算法相比,本文提出的基于粗集的协同过滤算法在以下两个方面进行了改进。

  (1)在进行协同过滤之前进行数据稀疏预处理。在传统的协同过滤算法中,两个用户之间的相似性由用户共同评分的项目决定。在用户评分数据极端稀疏的情况下,两个用户共同评分的项目非常少。因此,传统的基于余弦相似性以及相关系数的相似性计算方法难以准确地寻找到近邻居。而,首先采用数据补齐算法对空缺评分进行预小型微型计算机系统测、填补,使得用户之间拥有更多的共同评分项目,从而降低用户项目矩阵的稀疏性;(2)运用基于粗集分类近似质量计算用户间的相似性。与传统的基于统计技术的相似性计算方法不同,本文从分类的角度,将用户的项目评分视作分类知识,在数据稀疏预处理的基础上利用近似分类质量计算两用户的相似性。实验的结果表明,基于粗集的协同过滤算法具有小的平均偏差,质量的高,有效地克服了数据稀疏对协同过滤质量的影响。

  5结束语针对用户评分数据稀疏的问题,本文提出了基于粗集的协同过滤方法,并通过实验与传统的协同过滤算法进行了有效性的比较分析。实验结果表明,基于粗集的协同过滤算法有效地解决了数据稀疏问题,明显地提高了质量,具有一定的有效性和可行性。

  附中文

访问统计
51客服