计算机应用研究

作者：张文,姜祎盼,张思光,崔杨波,杜宇航,

单位：1.北京化工大学经济管理学院,北京100029；2.中国科学院科技战略咨询研究院,北京100190；

关键词：经验分布,推荐算法,KL散度,协同过滤,

基金：国家自然科学基金资助项目(61379046)；中央高校基本科研业务费(buctrc201504)；；

提出了一种基于经验分布和KL散度的协同过滤推荐质量评价方法RQE-EDKL（recommendation quality evaluation based on empirical distribution and KL divergence）。RQE-EDKL首先利用历史用户—商品数据生成不同商品数量下的商品历史使用概率分布；然后，利用该分布与各个协同过滤推荐方法得到的用户商品使用概率进行比较，计算其KL散度；最后，将KL散度最小的推荐结果视为最佳推荐结果并推送给用户。在TalkingData数据集上的实验结果表明，RQE-EDKL评价方法能够有效地在不同的推荐结果中选择更为切合用户真实需求的推荐结果，从而提高了协同过滤推荐的质量。

来源：2019年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第9期