声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：庞海龙,赵辉,李万龙,马莹,崔岩,
单位：长春工业大学计算机科学与工程学院,长春130012；
关键词：线性回归,协同过滤,相似性,推荐算法,
基金：国家自然科学基金资助项目(61472049)；吉林省教育厅“十二五”科学技术研究项目(2014132)；；
针对传统协同过滤算法中存在数据稀疏性问题，提出融合协同过滤的线性回归推荐算法。根据用户对项目的评分以及用户和项目的自身特征，构建用户间和项目间相似矩阵。基于相似矩阵，选出用户和项目最近邻集合，分别通过基于用户和基于项目的协同过滤算法来预测用户已评分项目的评分，将预测评分与真实评分的差值作为特征，组合在一起生成新的训练数据。把新的训练数据作为线性回归模型的输入，根据训练好的模型预测未知评分，采用top-N算法产生推荐列表。在MovieLens数据集上进行实验，实验结果表明新算法的推荐准确性较传统协同过滤算法有显著提高。
来源：2019年第5期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。