期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
融合Jensen-Shannon散度的推荐算法 预览
1
作者 王永 王永东 +1 位作者 江洲 张璞 《计算机科学》 CSCD 北大核心 2019年第2期210-214,共5页
为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入... 为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。 展开更多
关键词 Jensen-Shannon散度 评分值密度 相似性度量 协同过滤 数据稀疏性
在线阅读 免费下载
基于KL散度的用户相似性协同过滤算法 被引量:2
2
作者 王永 江洲 《北京邮电大学学报》 CSCD 北大核心 2017年第2期110-114,共5页
大多数用户相似性算法在计算用户相似性时只考虑了用户间的共同评分项,而忽略了用户其他评分中可能隐藏的有价值信息.为了准确评估用户间的相似性,提出了一种基于KL散度的用户相似性协同过滤算法.该算法不仅利用了共同评分项,还考虑了... 大多数用户相似性算法在计算用户相似性时只考虑了用户间的共同评分项,而忽略了用户其他评分中可能隐藏的有价值信息.为了准确评估用户间的相似性,提出了一种基于KL散度的用户相似性协同过滤算法.该算法不仅利用了共同评分项,还考虑了其他非共同评分信息的影响.该算法充分利用了用户的所有评分信息,提高了用户相似性度量的可靠性和准确性.实验结果表明,该算法优于当前主流的用户相似性算法,且在没有共同评分信息的条件下,仍能有效地完成用户相似性度量,解决了对共同评分项的完全依赖问题,具有更好的适应性. 展开更多
关键词 协同过滤算法 用户相似性 KL散度 共同评分信息 数据稀疏
基于项目概率分布的协同过滤推荐算法 被引量:2
3
作者 王永 江洲 +1 位作者 永恒 张璞 《现代图书情报技术》 CSSCI 2016年第6期73-79,共7页
【目的】解决传统项目相似性度量方法必须依赖于共同评分项,及传统方法在稀疏数据集中预测准确性不高的问题。【方法】将信号处理领域的KL散度引入项目相似性的计算中,利用评分值的概率密度分布计算项目相似性,可更有效地发现目标项目... 【目的】解决传统项目相似性度量方法必须依赖于共同评分项,及传统方法在稀疏数据集中预测准确性不高的问题。【方法】将信号处理领域的KL散度引入项目相似性的计算中,利用评分值的概率密度分布计算项目相似性,可更有效地发现目标项目的相似邻居项目。【结果】在Movie Lens数据集上的实验结果表明,该算法的推荐综合值F1超过0.65,在预测有效性、预测误差和推荐准确性等方面的评测结果均明显优于当前常用的项目相似性方法。【局限】只考虑了项目评分值的比率,未充分利用项目的绝对评分值。【结论】算法有效地利用了数据集内的评分信息,较好地克服了数据的稀疏性问题,具有很好的应用价值。 展开更多
关键词 项目相似性 协同过滤 KL散度 推荐算法
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈