基于改进协同过滤算法的推荐系统设计与实现  

Design and Implementation of Recommendation System Based on Improved Collaborative Filtering Algorithm

作　　者：白林锋 古险峰 BAI Linfeng;GU Xianfeng(Henan Institute of Science and Technology,Xinxiang 453003,China)

机构地区：[1]河南科技学院信息工程学院,河南新乡453003

出　　处：《洛阳理工学院学报（自然科学版）》2021年第2期69-73,共5页Journal of Luoyang Institute of Science and Technology：Natural Science Edition

基　　金：河南省科技攻关计划项目(162102210119).

摘　　要：随着科技的发展以及信息化时代的到来,网络数据已由单一性向着复杂性、全面性转变,在大量冗余信息中提炼出有用数据,并进行精准推荐,解决信息过载问题是研究的重点。传统的协同过滤算法,通过研究相似用户的兴趣偏好进行相似性计算,忽略了时间因素以及项目属性对用户的影响,进而造成数据的稀疏性;且当引入新项目时无法及时的进行推荐,导致冷启动问题的产生,可扩展性不足。针对这种情况在已有过滤算法的模型上,引入新的相似性度量方法,将项目属性与用户评分信息进行融合并加入自适应平衡因子,对项目的相似性进行综合评判,进而实现精准推荐。通过实验仿真可知,改进算法可以较好地解决传统推荐系统的冷启动以及数据稀疏性等问题,具有一定鲁棒性,且不需要对噪声权重进行设置。Based on the traditional collaborative filtering algorithm,a new similarity measurement method is introduced.Item attributes and user rating information are merged,and an adaptive balance factor is added to comprehensively evaluate the similarity and achieve accurate recommendation.The simulation results show that the algorithm can better solve the problems of cold start and data sparseness than the traditional recommendation system.It has a certain degree of robustness,and does not need to reset the noise weight,which can improve the accuracy of recommendation as well as user satisfaction.

关 键 词：协同过滤 用户相似度 推荐系统 项目属性 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]