A hybrid user similarity model for collaborative filtering
A hybrid user similarity model for collaborative filtering
复制标题
协同过滤的混合用户相似度模型
DOI：
10.1016/j.ins.2017.08.008
复制
发表时间：
2017-12
影响因子：
8.1
通讯作者：
Gao Jerry
中科院分区：
文献类型：
--
作者：
Wang Yong;Deng Jiangzhou;Zhang Pu;Gao Jerry
在基于邻域的协同过滤（CF）算法中，用户相似度对CF结果有重要影响。为了全面客观地评价用户相似度，提出了一种混合模型.在模型中，设计了一个项目相似性度量的基础上的Kullback-Leibler（KL）分歧，这是用来作为一个权重，以纠正调整后的邻近-显著性-奇异模型的输出。同时，在模型中引入了用户偏好因子和非对称因子，以区分不同用户的评分偏好，提高模型输出的可靠性。在不同数据集上的测试表明，该模型适用于稀疏数据，有效地提高了预测精度和推荐质量。
In the neighborhood-based Collaborative Filtering (CF) algorithms, the user similarity has an important effect on the result of CF. In order to evaluate the user similarity comprehensively and objectively, we proposed a hybrid model. In the model, an item similarity measure is designed based on the Kullback–Leibler (KL) divergence, which is used as a weight to correct the output of an adjusted Proximity–Significance–Singularity model. Meanwhile, a user preference factor and an asymmetric factor are considered in our model to distinguish the rating preference between difference users and improve the reliability of the model output. The tests on different datasets show that the proposed user similarity model is suitable for the sparse data and effectively improves the prediction accuracy and the recommendation quality.
登录
查看更多内容
DOI：
10.1145/1557019.1557067
发表时间：
2009-06
期刊：
--
影响因子：
--
作者：
Mohsen Jamali;M. Ester
通讯作者：
Mohsen Jamali;M. Ester
影响因子：
8.8
作者：
Bobadilla, Jesus;Ortega, Fernando;Bernal, Jesus
通讯作者：
Bernal, Jesus
影响因子：
--
作者：
KULLBACK, S;LEIBLER, RA
通讯作者：
LEIBLER, RA
基于项目域特征的用户偏好的协同过滤推荐算法
DOI：
10.1016/j.physa.2013.11.013
发表时间：
2014-02-15
影响因子：
3.3
作者：
Zhang, Jing;Peng, Qinke;Liu, Che
通讯作者：
Liu, Che
影响因子：
22.7
作者：
Resnick, P;Varian, HR
通讯作者：
Varian, HR