An intuitionistic fuzzy set based hybrid similarity model for recommender system
An intuitionistic fuzzy set based hybrid similarity model for recommender system
复制标题
一种基于直观模糊集的混合相似度模型的推荐系统
DOI：
10.1016/j.eswa.2019.06.008
复制
发表时间：
2019-11
影响因子：
8.5
通讯作者：
Wang Yong
中科院分区：
文献类型：
--
作者：
Guo Junpeng;Deng Jiangzhou;Wang Yong
一般来说，一个实用的在线推荐系统不会只依赖于一种算法，而是采用不同类型的算法来预测用户偏好。虽然大多数相似度度量都能快速地计算出基于共同评级项目的相似度，但在稀疏数据集的情况下，它们的预测精度并不令人满意。充分利用所有的评分信息可以有效地提高推荐质量，但由于需要计算所有的评分，降低了系统的效率。为了快速准确地向目标用户推荐商品，本文结合上述两种方法的优点，设计了一种混合商品相似度模型，在预测精度和效率之间进行权衡。首先，我们引入了一个调整后的谷歌相似度，以便在有足够的共同评价项目的情况下快速准确地计算出项目的相似度。随后，从用户偏好概率的角度，提出了一种基于直觉模糊集（IFS）的Kullback-Leibler （KL）相似度，有效地计算了稀有协同评价物品条件下的物品相似度。最后，通过一个调整变量对两种方案进行整合，综合评价共评项目个数在一定范围内时的相似度值。在具有不同阈值的基准数据集上对该模型进行了实现和测试。实验结果表明，该系统在保证推荐质量的前提下，具有良好的效率。
In general, a practical online recommendation system does not rely on only one algorithm but adopts different types of algorithms to predict user preferences. Although most of similarity measures can rapidly calculate the similarity on the basis of co-rated items, their prediction accuracy is not satisfactory in the case of sparse datasets. Making full use of all the rating information can effectively improve the recommendation quality, but it reduces the system efficiency because all the ratings need to be calculated. To recommend items for target users rapidly and accurately, this paper designs a hybrid item similarity model that achieves a trade-off between prediction accuracy and efficiency by combining the advantages of the two above-mentioned methods. First, we introduce an adjusted Google similarity to rapidly and precisely calculate the item similarity in the condition of enough co-rated items. Subsequently, an intuitionistic fuzzy set (IFS) based Kullback–Leibler (KL) similarity is presented from the perspective of user preference probability to effectively compute the item similarity in the condition of rare co-rated items. Finally, the two proposed schemes are integrated by an adjusted variable to comprehensively evaluate the similarity values when the number of co-rated items lies in a certain range of value. The proposed model is implemented and tested on some benchmark datasets with different thresholds of co-rated items. The experimental results indication that the proposed system has a favorable efficiency and guarantees the quality of recommendations.
登录
查看更多内容
协同过滤的混合用户相似度模型
影响因子：
8.1
作者：
Wang Yong;Deng Jiangzhou;Zhang Pu;Gao Jerry
通讯作者：
Gao Jerry
影响因子：
--
作者：
ZADEH, LA
通讯作者：
ZADEH, LA
DOI：
10.1007/11833529_64
发表时间：
2005-03
期刊：
--
影响因子：
--
作者：
Yuichiro Takeuchi;Masanori Sugimoto
通讯作者：
Yuichiro Takeuchi;Masanori Sugimoto
DOI：
10.1049/pbpo161e_ch3
发表时间：
2021-07
期刊：
Artificial Intelligence for Smarter Power Systems: Fuzzy logic and neural networks
影响因子：
--
作者：
通讯作者：
--
DOI：
10.1007/978-3-030-32090-4_2
发表时间：
2019-09
期刊：
Interval-Valued Intuitionistic Fuzzy Sets
影响因子：
--
作者：
K. Atanassov
通讯作者：
K. Atanassov