基于项目层次相似性的推荐算法

作     者：孙远帅 陈垚 刘向荣 陈珂 林琛 SUN Yuanshuai;CHEN Yao;LIU Xiangrong;CHEN Ke;LIN Chen

作者机构：厦门大学计算机科学系福建厦门361005 厦门大学深圳研究院广东深圳518057 广东石油化工学院计算机科学与技术系广东茂名525000 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2014年第44卷第3期

页      面：8-14页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61370010 61102136) 福建省自然科学基金资助项目(2011J05158 2010J01350) 深圳市科技信息基础研究计划资助项目(JC201006030858A JCYJ20120618155655087) 

主　　题：推荐系统 协同过滤 TopK 标签 项目层次 倒排索引 

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,提出了一种基于项目层次结构相似度的推荐算法REHIS(recommendation hierarchical similarity)。首先利用关联规则挖掘和KNN(K nearest neighbor)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,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。