加入懲罰因子的基于物品的協(xié)同過濾算法
關(guān)鍵詞：個性化推薦 協(xié)同過濾 懲罰因子 物品相似度 覆蓋度
摘要：作為業(yè)界應(yīng)用最成功、最廣泛的個性化推薦算法之一,協(xié)同過濾算法依然面臨著諸多問題與挑戰(zhàn),數(shù)據(jù)的長尾分布便是其中之一。由于用戶行為數(shù)據(jù)往往存在長尾分布的現(xiàn)象,同時采用Jaccard相似度作為物品相似度計算公式的協(xié)同過濾算法往往傾向于為用戶推薦熱門物品,致使熱門的物品越來越熱門,冷門的物品越來冷門。在不斷給用戶推薦物品的過程中,該傳統(tǒng)協(xié)同過濾算法推薦給用戶的物品集合越來越小,可能會漸漸失去個性化推薦的能力,影響用戶體驗,為降低熱門物品對物品相似度計算結(jié)果的影響,本文提出一種基于物品流行度的懲罰因子(Penalty Factor)來修正物品相似度公式。通過在三個公開數(shù)據(jù)集上的實驗驗證與分析,該改進方法可在一定程度上提高推薦算法發(fā)掘新物品的能力。
科研信息化技術(shù)與應(yīng)用雜志要求:
{1}計量單位、數(shù)字、符號文稿必須使用法定的計量單位符號
{2}投稿3個月后未收到刊用通知，作者可自行處理。
{3}中文摘要一般限在200字以內(nèi)，應(yīng)包括研究背景、方法、結(jié)果、結(jié)論或討論四部分內(nèi)容；關(guān)鍵詞一般3-5個。英文摘要及關(guān)鍵詞則與中文的相對應(yīng)。
{4}作者不屬同一單位時，應(yīng)在作者姓名右上角加注不同的阿拉伯數(shù)字。
{5}論文應(yīng)有中英作者署名、工作單位、所在省、市名稱和郵編。如有多位作者，其間以逗號分開，其工作單位不同，應(yīng)按阿拉伯數(shù)字順序標注在右上角，單位與單位之間用分號。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
