科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于科技的发展，协同过滤算法也在不断优化。上述算法在个性化推荐系统的设计中较为常用，其当前存在最大的问题就是数据稀疏。结合基本特征得到的用户画像，能够有效避免数据稀疏的问题。针对传统协同过滤算法的稀疏性问题，提出了一种基于用户画像的协同过滤推荐算法(CPCF),可以保证其在用户规模扩大的同时保持推荐的高效性和准确性。CPCF算法创新在于将用户评分矩阵转化为用户特征矩阵，提出一种改进的用户画像，并采用用户画像与传统相似度方法相结合生成CPsim相似度，最后使用改进的权重聚合方法进行评分估计，通过逆序排序实现推荐过程。在两个数据集上的实验结果显示，相比UBCF等算法(MAE)降低了13%,精确率、召回率和F1-Score分别提高了11%、3%和4%,可见结合协同过滤算法与用户画像进行推荐系统的设计，可有效提升系统精准度。
- 单位
