计算机应用研究

作者：张文静,李锦屏,杨军,

单位：兰州交通大学电子与信息工程学院,兰州730070；

关键词：推荐系统,协同过滤,信息核,

基金：国家自然科学基金资助项目(61462059)；；

针对协同过滤推荐算法中存在的可扩展性问题，在原有基于频率（frequency-based，FB）和排名（rank-based，RB）的信息核提取方法的基础上，提出了改进的提取信息核方法IFB（IFrequency-based）和IRB（IRank-based，IRB），在寻找最相似邻居环节中提出了一个优化集的概念，在优化集上为每个用户寻找最相似的邻居。从实验结果看出，通过该方法能够得到更加准确的推荐结果，有效降低了绝对平均误差（MAE），同时具有更高的准确率和召回率，推荐效果更优。

来源：2020年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第1期