Please wait a minute...
Advanced Search
数据分析与知识发现  2017, Vol. 1 Issue (6): 65-71     https://doi.org/10.11925/infotech.2096-3467.2017.06.07
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
基于多权值的Slope One协同过滤算法*
覃幸新(), 王荣波, 黄孝喜, 谌志群
杭州电子科技大学认知与智能计算研究所 杭州 310018
Slope One Collaborative Filtering Algorithm Based on Multi-Weights
Qin Xingxin(), Wang Rongbo, Huang Xiaoxi, Chen Zhiqun
Institute of Cognitive and Intelligent Computing, Hangzhou Dianzi University, Hangzhou 310018, China
全文: PDF (606 KB)   HTML ( 2
输出: BibTeX | EndNote (RIS)      
摘要 

目的】针对Slope One算法未考虑项目相似性、项目属性和对目标用户已有评分同等考虑进而导致推荐准确度降低的问题进行改进。【方法】提出一种基于改进的项目相似性度量、改进的项目属性相似性度量和用户评分概率函数的多权值的Slope One协同过滤算法, 在项目相似性度量方面将共同评价的两个项目的用户数量和Pearson相关系数相融合, 在项目属性相似性度量方面将修正的拉普拉斯平滑与Jaccard系数相结合, 同时利用用户评分概率函数对用户已有评分进行有效区分。【结果】实验结果表明, 本文方法相比于原Slope One 算法, MAE值下降了5.4%, 能够获得更好的推荐准确度。【局限】只关注推荐系统中用户对项目产生的评分, 并没有关注用户对项目给出的评论, 在一定程度上影响了推荐效果。【结论】本文方法更能适应评分数据稀疏性, 有效提高了推荐系统的推荐质量。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
覃幸新
王荣波
黄孝喜
谌志群
关键词 协同过滤Slope One多权值项目相似性项目属性    
Abstract

[Objective] This paper aims to increase the recommendation accuracy with the help of modified Slope One algorithm. [Methods] We proposed a Slope One Collaboration Filtering Algorithm based on multi-weights, which improved the items’ similarity measure, attributes similarity measure and users’ rating probability function. Then, we combined the items’ similarity measure with the number of users and Pearson correlation coefficient, the items’ attributes similarity measure with modified Laplacian smoothing and Jaccard coefficient. We also identified users’ ratings with a new probability function. [Results] The proposed method reduced the MAE by 5.4%, which increased the recommendation accuracy. [Limitations] The new method did not examine the users’ comments, which might pose some negative effects to the recommendation accuracy. [Conclusions] The proposed algorithm could effectively improve the service of recommendation systems.

Key wordsCollaborative Filtering    Slope One    Multi-Weights    Item Similarity    Item Attributes
收稿日期: 2017-04-26      出版日期: 2017-08-25
ZTFLH:  TP391 G35  
基金资助:*本文系国家自然科学基金青年基金项目“基于马尔科夫树与DRT的汉语句群自动划分算法研究”(项目编号: 61202281)和教育部人文社科规划青年基金“基于语义相关性的汉语组块切分模型研究”(项目编号: 12YJCZH201)的研究成果之一
引用本文:   
覃幸新, 王荣波, 黄孝喜, 谌志群. 基于多权值的Slope One协同过滤算法*[J]. 数据分析与知识发现, 2017, 1(6): 65-71.
Qin Xingxin,Wang Rongbo,Huang Xiaoxi,Chen Zhiqun. Slope One Collaborative Filtering Algorithm Based on Multi-Weights. Data Analysis and Knowledge Discovery, 2017, 1(6): 65-71.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2017.06.07      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2017/V1/I6/65
  ISSO算法与SO算法对比实验结果
  IASO算法与SO算法对比实验结果
  UPSO算法与SO算法对比实验结果
  MWSO算法与SO算法及其改进算法对比实验结果
[1] 王鹏, 王晶晶, 俞能海. 基于核方法的User-Based协同过滤推荐算法[J]. 计算机研究与发展, 2013, 50(7): 1444-1451.
[1] (Wang Peng, Wang Jingjing, Yu Nenghai.A Kernel and User-Based Collaborative Filtering Recommendation Algorithm[J]. Journal of Computer Research and Development, 2013, 50(7): 1444-1451.)
[2] 居斌, 钱沄涛, 叶敏超.基于结构投影非负矩阵分解的协同过滤算法[J]. 浙江大学学报: 工学版, 2015, 49(7): 1319-1325.
doi: 10.3785/j.issn.1008-973X.2015.07.017
[2] (Ju Bin, Qian Yuntao, Ye Minchao.Collaborative Filtering Algorithm Based on Structured Projective Nonnegative Matrix Factorization[J]. Journal of Zhejiang University: Engineering Science, 2015, 49(7): 1319-1325.)
doi: 10.3785/j.issn.1008-973X.2015.07.017
[3] 孙光明, 王硕, 邹静昭. 多因素复合度量的协同过滤推荐算法[J]. 计算机应用研究, 2015, 32(10): 2896-2900.
doi: 10.3969/j.issn.1001-3695.2015.10.004
[3] (Sun Guangming, Wang Shuo, Zou Jingzhao.Collaborative Filtering Recommendation Algorithm Measured by Compound Multiple Fators[J]. Application Research of Computers, 2015, 32(10): 2896-2900.)
doi: 10.3969/j.issn.1001-3695.2015.10.004
[4] Lemire D, Maclachlan A.Slope One Predictors for Online Rating-Based Collaborative Filtering[C]//Proceedings of the 2007 SIAM International Conference on Data Mining, Newport Beach, California, USA. 2007.
[5] 盈艳, 曹妍, 牟向伟. 基于项目评分预测的混合式协同过滤推荐[J]. 现代图书情报技术, 2015(6): 27-32.
[5] (Ying Yan, Cao Yan, Mou Xiangwei.A Hybrid Collaborative Filtering Recommender Based on Item Rating Prediction[J]. New Technology of Library and Information Service, 2015(6): 27-32.)
[6] Wang J, Lin K, Li J.A Collaborative Filtering Recommendation Algorithm Based on User Clustering and Slope One Scheme[C]// Proceeding of the 8th International Conference on Computer Science Education. 2013.
[7] 张玉连, 郇思思, 梁顺攀. 融合用户相似度与项目相似度的加权Slope One算法[J]. 小型微型计算机系统, 2016, 37(6): 1174-1178.
[7] (Zhang Yulian, Huan Sisi, Liang Shunpan.Integrating User Similarity and Item Similarity into Weighted Slope One Algorithm[J]. Journal of Chinese Computer Systems, 2016, 37(6): 1174-1178.)
[8] 刘林静, 楼文高, 冯国珍. 基于用户相似性的加权Slope One算法[J].计算机应用研究, 2016, 33(9): 2708-2711.
[8] (Liu Linjing, Lou Wengao, Feng Guozhen.New Weighted Slope One Algorithm Based on User Similarity[J]. Application Research of Computers, 2016, 33(9): 2708-2711.)
[9] Finkenzeller K.RFID Handbook: Fundamentals and Applications in Contactless Smart Cards and Identification[M]. Hoboken: John Wiley & Sons, 2003.
[10] 邹永贵, 望靖, 刘兆宏, 等. 基于项目之间相似性的兴趣点推荐方法[J]. 计算机应用研究, 2012, 29(1): 116-118.
[10] (Zou Yonggui, Wang Jing, Liu Zhaohong, et al.Point of Interest Recommendation Method Based on Similarity Between Items[J]. Application Research of Computers, 2012, 29(1): 116-118.)
[11] 胡勋, 孟祥武, 张玉洁, 等. 一种融合项目特征和移动用户信任关系的推荐算法[J]. 软件学报, 2014, 25(8): 1817-1830.
doi: 10.13328/j.cnki.jos.004491
[11] (Hu Xun, Meng Xiangwu, Zhang Yujie, et al.Recommendation Algorithm Combing Item Features and Trust Relationship of Mobile Users[J]. Journal of Software, 2014, 25(8): 1817-1830.)
doi: 10.13328/j.cnki.jos.004491
[12] Herloker J L, Konstan J A, Terveen L G, et al.Evaluating Collaborative Filtering Recommender Systems[J]. ACM Transactions on lnformation System (TOIS), 2004, 22(1): 5-53.
[1] 杨恒,王思丽,祝忠明,刘巍,王楠. 基于并行协同过滤算法的领域知识推荐模型研究*[J]. 数据分析与知识发现, 2020, 4(6): 15-21.
[2] 苏庆,陈思兆,吴伟民,李小妹,黄佃宽. 基于学习情况协同过滤算法的个性化学习推荐模型研究*[J]. 数据分析与知识发现, 2020, 4(5): 105-117.
[3] 郑淞尹,谈国新,史中超. 基于分段用户群与时间上下文的旅游景点推荐模型研究*[J]. 数据分析与知识发现, 2020, 4(5): 92-104.
[4] 焦富森,李树青. 基于物品质量和用户评分修正的协同过滤推荐算法 *[J]. 数据分析与知识发现, 2019, 3(8): 62-67.
[5] 李珊,姚叶慧,厉浩,刘洁,嘎玛白姆. 基于ISA联合聚类的组推荐算法研究 *[J]. 数据分析与知识发现, 2019, 3(8): 77-87.
[6] 李杰,杨芳,徐晨曦. 考虑时间动态性和序列模式的个性化推荐算法*[J]. 数据分析与知识发现, 2018, 2(7): 72-80.
[7] 王道平,蒋中杨,张博卿. 基于灰色关联分析和时间因素的协同过滤算法*[J]. 数据分析与知识发现, 2018, 2(6): 102-109.
[8] 王永,王永东,郭慧芳,周玉敏. 一种基于离散增量的项目相似性度量方法*[J]. 数据分析与知识发现, 2018, 2(5): 70-76.
[9] 花凌锋,杨高明,王修君. 面向位置的多样性兴趣新闻推荐研究*[J]. 数据分析与知识发现, 2018, 2(5): 94-104.
[10] 薛福亮,刘君玲. 基于用户间信任关系改进的协同过滤推荐方法*[J]. 数据分析与知识发现, 2017, 1(7): 90-99.
[11] 李道国,李连杰,申恩平. 基于用户评分时间改进的协同过滤推荐算法*[J]. 现代图书情报技术, 2016, 32(9): 65-69.
[12] 谭学清,张磊,黄翠翠,罗琳. 融合领域专家信任与相似度的协同过滤推荐算法研究*[J]. 现代图书情报技术, 2016, 32(7-8): 101-109.
[13] 王永,邓江洲,邓永恒,张璞. 基于项目概率分布的协同过滤推荐算法*[J]. 现代图书情报技术, 2016, 32(6): 73-79.
[14] 马莉. 一种利用用户学习树改进的协同过滤推荐方法[J]. 现代图书情报技术, 2016, 32(4): 72-80.
[15] 姜书浩, 张立毅, 张志鑫. 一种基于相对相似性提高推荐总体多样性的协同过滤算法[J]. 数据分析与知识发现, 2016, 32(12): 44-49.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn