文件名称：基于近邻用户和近邻项目的协同过滤改进算法 (2012年)
文件大小：678KB
文件格式：PDF
更新时间：2024-06-14 17:39:03
自然科学 论文
协同过滤算法研究正面临两大挑战：一是提高推荐系统的质量，尤其是高维稀疏数据系统的推荐质量；二是提高算法的可伸缩性。为了解决该问题，笔者提出了一个基于用户近邻和项目近邻的协同过滤改进算法。为了提高系统在线推荐性能，该算法分2步：1)线下的相似度计算和近邻计算；2)在线预测。通过对N个用户近邻和N个项目近邻的有效结合，该算法在线计算的空间复杂度为O(N)且具有较好的可伸缩性。实验表明，与经典的Pearson协同过滤算法相比，该算法不仅提高了推荐性能，而且也适用于高维稀疏数据系统。