相似度最优加权协同过滤推荐模型  

Collaborative Filter Recommendation Model Based on the Optimal Weighted Similarity

作　　者：苏芳芳[1] 王成[1,2] 陈维斌[1] 张玉侠[1] 

机构地区：[1]华侨大学计算机科学与技术学院,厦门361021 [2]西安交通大学机械强度与振动国家重点实验室,西安710049

出　　处：《小型微型计算机系统》2016年第4期682-686,共5页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(51305142;61103170)资助;福建省自然科学基金计划项目(2014J01191)资助;中国博士后科学基金第55批面上项目(2014M552429)资助;福建省绿色通信及其智能信息服务工程技术研究中心项目(2012H2002)资助;厦门市科技计划项目(3502Z20143041)资助;华侨大学引进人才科研启动项目(12BS217)资助;华侨大学科技创新能力提升计划"中青年教师科技创新计划项目(ZQN-PY212)资助

摘　　要：在充分分析了传统协同过滤算法推荐精度低,已有的加权改进算法需要额外先验知识和参数优化设置,且只能从某一方面提高推荐精度的基础上,提出相似度最优加权协同过滤推荐模型.该模型以最终推荐评分的平均绝对偏差最小为优化目标,对最近邻的相似度度量进行归一化加权来改进最近邻的选择.该模型在理论上将各个相似性加权算法进行了统一,实现了在没有先验知识下的相似度最优加权.在模型求解的过程中,充分考虑了模型本身的并行性,利用PSO优化算法进行并行参数寻优.在Movie Lens-100k公开数据集上的实验结果表明,相似度最优加权协同过滤推荐模型的评分平均绝对偏差明显小于传统的、相关加权的、IFUBCF和IFIBCF协同过滤算法.After comprehensively analyzing the traditional collaborative filtering（ CF） with lowaccuracy and the existing method with weighting which need prior knowledge or optimal parameter settings and can only improve accuracy from a certain aspect,this paper proposes a collaborative filter recommendation model based on the optimal weighted similarity.This model improves the neighbors＇ selection by normalizing similarity of neighbors and uses optimization methods to solve best weight of similarity.This method unifies different weighted algorithm and realizes the best similarity weighted and solution of weight without prior knowledge in theory,besides,it takes into full account its parallelism and searches for the better parameters by the PSO optimization.Experiment results in M ovie Lens-100 K data set shows that M AE of collaborative filter recommendation model based on the optimal weighted similarity is lower than the traditional CF,correlation-weight CF,IFUBCF and IFIBCF.

关 键 词：协同过滤 相似度加权 最优加权 平均绝对偏差 模型并行性 PSO优化求解 相关加权 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]