基于用户坐标距离与误差修正的推荐算法

作     者：艾均 孙逸帆 苏湛 罗黔琴 Jun Ai;Yifan Sun;Zhan Su;Qianqin Luo

作者机构：上海理工大学光电信息与计算机工程学院上海 

出 版 物：《建模与仿真》 (Modeling and Simulation)

年 卷 期：2024年第13卷第3期

页      面：2000-2010页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：推荐系统 相似性网络 评分距离 合成坐标 误差修正 

摘      要：推荐系统是一种根据用户历史行为、社交关系等信息去判断用户感兴趣的物品的智能系统,它可以有效的解决互联网信息过载的问题,因此具有重要的研究意义和广泛应用价值。为了解决推荐算法存在准确性有待提升和可扩展性不足的问题,本文提出了一种带有相似性选择和误差修正的用户坐标与评分距离推荐算法。该算法首先基于用户间相似性筛选出正相关的邻居,针对筛选后的邻居集合计算评分距离。然后建立用户间评分距离的合成坐标模型,与得到的用户坐标间距离进行评分预测。最后基于训练题设计误差修正算法,进一步提升预测准确度。通过本文算法与其他推荐算法在MovieLens数据集上进行对比,试验结果表明,该算法可以有效提高推荐算法的预测准确性和可扩展性。研究揭示了利用用户坐标距离进行预测的可行性,为进一步研究推荐系统的性能提升和运行机理提供了有效的依据。