- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于项目语义相似度的协同过滤推荐算法
第 31 卷 第 3 期 Vol . 31 No . 3 武汉理工大学学报2009 年 2 月 JO URNAL OF WUHAN UNIVERSITY OF TECHNOLO GY Feb. 2009 DO I :10 . 3963/ j . issn . 167124431 . 2009 . 03 . 006
基于项目语义相似度的协同过滤推荐算法
肖 敏 ,熊前兴
() 武汉理工大学计算机科学与技术学院 ,武汉 430063
摘 要 : 协同过滤是个性化推荐系统中最广泛使用的推荐技术 。在用户评分矩阵极度稀疏情况下 ,传统的协同过滤推荐算法中用户相似度的计算建立在用户评分项目交集之上 ,并且没有考虑不同项目之间存在的语义关系 ,从而导致推荐
( 准确率低 。针对上述问题 ,文章提出一种新的基于项目语义相似度的协同过滤算法 CFSSI , collaborative filtering based
) o n semantic similarity bet ween Items:首先利用领域本体计算项目之间的相似性 ,填充评分矩阵缺失值 ,而后根据修正的 余弦相似度计算用户相似性 。实验结果表明 :算法可以在用户评分数据极端稀疏的情况下 ,仍能取得较高的推荐质量 。 关键词 : 协同过滤 ; 领域本体 ; 语义相似度 ; k 最近邻算法 ; 稀疏性问题
() 文章编号 :167124431 20090320021203 A 中图分类号 : TP 301文献标识码 :
Colla borat ive Filtering Recommen dat ion Al gorithm Ba sed on
Semant ic Similarity Bet ween Items
X IA O M i n , X I O N G Q i a n2x i n g
( )School of Co mp uter Science and Technology , Wuhan U niversity of Technology , Wuhan 430063 , China Abstract : Collaborative filtering is o ne of t he most pop ular technologies in t he perso nal reco mmendatio n system. Wit h user rating data beco ming ext remely sparse , t raditio nal collaborative filtering reco mmendatio n algorit hm calculates similarity bet ween users using t he intersectio n of different user rating items , and it does not co nsider t he semantic relatio nship bet ween different Items , t hus reco mmendatio n qualit y is very poor . In order to avoid t he p roblems above , a novel collaborative filtering algorit hm based o n semantic similarity bet ween items is p resented. Firstly , t his met hod calculates similarity bet ween items according to do main o ntology , fills user rating mat rix , and calculates users’similarit y wit h adjusted cosine measure. The experiment result shows t hat t his met hod can effectively imp rove reco mmendatio n qualit y even wit h ext reme sparse of user rating data .
Key words : collaborative filtering ; do main o ntology ; semantic similarity ; k2nearest neighbor algorit hm ; sparse
协同过滤是目前研究最多的个性化推荐技术 。随
您可能关注的文档
- 苏格拉底式发问.doc
- 重大事故隐患挂牌治理方案.doc
- 片源制作教程_文档.docx
- 个人核心竞争力.doc
- 核心稳定性训练探析.doc
- 出纳试岗位职责.doc
- 大学毕业中医院实习报告.doc
- 别着急,该来的始终会来.doc
- 生物陶瓷人工关节柄HZ涂层材料研究(可编辑).doc
- 木马病毒的通用解法.doc
- 5《 水培水仙》(教学设计) 人教版劳动四年级上册.docx
- 第1部分 第6单元 明清时期:统一多民族国家的巩固与发展2024年中考历史早读晚诵教学设计(广东专用版).docx
- 《国殇》教学设计 2023—2024学年高教版(2023)中职语文基础模块下册.docx
- 第6课 常见的传感器 教案3 七下信息科技浙教版(2023).docx
- 2024-2025学年小学生野外拓展活动教学设计.docx
- 第二章 活动1创建电子表格,输入数据 教案.docx
- 9.2.4 总体离散程度的估计2023-2024学年新教材高一数学必修2同步课堂高效讲义配套教学设计(人教A版).docx
- 冀教版生物七年级上册1.1.3练习测量教案.docx
- 2024-2025学年培养小学生安全意识的教学策略设计.docx
- 2024-2025学年增强心理韧性的小学教育教学设计.docx
文档评论(0)