计算机应用研究

作者：王柳,陈学斌,高远,马凯光,赵桐,

单位：华北理工大学a.理学院;b.河北省数据科学与应用重点实验室;c.唐山市数据科学重点实验室,河北唐山063210；

关键词：局部推荐,评分预测,正则化余弦相似度,图的加权随机游走,评分权重,

基金：国家自然科学基金资助项目(U20A20179)；；

针对协同过滤算法存在数据稀疏性和局部推荐的问题，提出一种基于评分预测与图模型扩散的推荐方法SIRR。该推荐方法首先根据用户对物品的评分数量，设计算法动态切换机制预测用户对未评分物品的评分，从而解决数据稀疏性问题；其次，基于正则化的余弦相似度提升了相似度计算的准确性和协同过滤算法的鲁棒性；最后，为解决局部推荐问题，通过图的加权随机游走扩展推荐范围，提高推荐的覆盖率。为平衡推荐的准确性和多样性，通过融合评分权重实现了优化。在两个不同类型的数据集上对正则化余弦相似度的有效性进行验证，在三个稀疏度不同的数据集上将所提方法与三种基线算法进行比较。仿真结果表明，SIRR与已有的推荐算法相比，在各指标上均表现出良好性能，为解决数据稀疏性和局部推荐问题提供了一种有效的解决方案。

来源：2025年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第11期