科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对协同过滤算法推荐效果依赖于相似度度量方法的问题,本研究提出了一种基于项目层次结构相似度的推荐算法REHIS(recommendationhierarchicalsimilarity)。首先利用关联规则挖掘和KNN(Knearestneighbor)算法完善项目层次结构,然后利用TopK算法计算项目之间的相似度,最后利用基于项目的协同过滤算法框架预测用户评分。为解决协同过滤算法扩展性差的问题,本研究还把TopK算法推广到余弦距离和皮尔逊相关系数等常见的相似度度量方法。实验结果表明,与传统的协同过滤算法相比,REHIS能够获得更优的均方根误差,TopK算法可以减少最近邻项目的查找时间。
- 单位
