A collaborative filtering framework based on both local user similarity and global user similarity
A collaborative filtering framework based on both local user similarity and global user similarity
复制标题
一种基于局部用户相似度和全局用户相似度的协同过滤框架
DOI：
10.1007/s10994-008-5068-4
复制
发表时间：
2008-09
期刊：
影响因子：
7.5
通讯作者：
Luo, Heng
中科院分区：
文献类型：
--
作者：
Niu, Changyong;Ullrich, Carsten;Shen, Ruimin;Luo, Heng
协同过滤作为一种经典的信息检索方法，已经被广泛应用于帮助人们处理信息过载问题。本文在基于惊奇向量相似度的基础上，利用图论中最大距离的概念，引入了局部用户相似度和全局用户相似度的概念。基于Surprisal的向量相似度表示任何两个用户之间的关系，基于他们的评分中包含的信息量(称为惊喜)。全局用户相似性定义了如果两个用户可以通过本地相似的邻居连接起来，则两个用户相似。在综合考虑局部用户相似度和全局用户相似度的基础上，提出了一个基于局部用户相似度和全局用户相似度的协同过滤框架LS&GS。使用MovieLens数据集进行的实验研究表明，我们提出的框架的性能优于其他最先进的协同过滤算法。
Collaborative filtering as a classical method of information retrieval has been widely used in helping people to deal with information overload. In this paper, we introduce the concept of local user similarity and global user similarity, based on surprisal-based vector similarity and the application of the concept of maximin distance in graph theory. Surprisal-based vector similarity expresses the relationship between any two users based on the quantities of information (calledsurprisal) contained in their ratings. Global user similarity defines two users being similar if they can be connected through their locally similar neighbors. Based on both of Local User Similarity and Global User Similarity, we develop a collaborative filtering framework called LS&GS. An empirical study using the MovieLens dataset shows that our proposed framework outperforms other state-of-the-art collaborative filtering algorithms.
登录
查看更多内容
影响因子：
3.7
作者：
A. McNeil
通讯作者：
A. McNeil
DOI：
--
发表时间：
2003-12
期刊：
--
影响因子：
--
作者：
Benjamin M Marlin
通讯作者：
Benjamin M Marlin
DOI：
10.1145/1273496.1273547
发表时间：
2007-06
期刊：
--
影响因子：
--
作者：
Kye-Hyeon Kim;Seungjin Choi
通讯作者：
Kye-Hyeon Kim;Seungjin Choi
DOI：
--
发表时间：
1994
期刊：
Computer Supported Cooperative Work
影响因子：
--
作者：
P. Resnick
通讯作者：
P. Resnick
DOI：
--
发表时间：
1974
期刊：
--
影响因子：
--
作者：
A. Aho;J. Hopcroft;J. Ullman
通讯作者：
A. Aho;J. Hopcroft;J. Ullman