基于用户相似性传递的协同过滤推荐方法

作     者：李征 段垒 王亚鲁 LI Zheng;DUAN Lei;WANG Yalu

作者机构：河南大学计算机与信息工程学院河南开封475004 三峡大学湖北省水电工程智能视觉监测重点实验室湖北宜昌443002 

出 版 物：《河南大学学报（自然科学版）》 (Journal of Henan University:Natural Science)

年 卷 期：2019年第49卷第1期

页      面：61-68页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点基础研究发展计划(973)基金项目(2014CB340404) 国家自然科学基金资助项目(61402150 61402151) 中国博士后科学基金资助项目(2016M592286) 河南省科技研发专项(182102410063) 三峡大学水电工程智能视觉监测湖北省重点实验室开放基金项目(2016KLA04) 河南大学科研基金项目(2013YBZR015) 

主　　题：协同过滤 服务推荐 数据稀疏 用户相似性 

摘      要：随着Web服务量日益剧增,如何推荐给用户符合其期望的服务尤为重要.协同过滤是服务推荐系统中应用较广泛的算法,但协同过滤往往存在数据稀疏问题.针对该问题,文中提出了一种基于用户相似性传递的协同过滤推荐算法,通过改进的皮尔逊相关系数计算出用户间的相似性,利用用户相似性构建相似性网络,并根据用户等级、最短路径和六度分隔理论进行用户间的相似性传递,以此增加目标用户的相似用户的数量,缓解了数据稀疏问题,然后根据传递填充过的用户相似网络进行服务的评分预测.最后以美团网的真实数据进行了实验,实验结果表明文中提出方法一定程度上可以提高推荐结果的准确性.