Indexed by：
Abstract：
slope-one算法是个性化推荐系统中最简洁的协同过滤推荐算法,常用于评分预测来进行矩阵填充从而降低原始数据的稀疏性.由于传统slope-one算法在计算偏差时考虑了所有评分项目,而将不相关的项目纳入偏差计算反而会降低预测的准确性,文章针对该问题提出一种改进的slope-one算法,先通过项目相似度筛选出待预测评分项目的近邻用户集S,在用户集S上计算项目间的偏差值dev时引入用户相似度,从而有效地提高了评分预测的可靠性.在Movielens-1M数据集上对本文算法和slope-one算法(SO)以及以用户相似度为权重的slope-one算法(BUW-SO)作五折交叉实验,结果表明,改进的算法不仅能减少时间和空间复杂度,还能提高预测的准确性,使推荐系统有更好的推荐效果.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
统计与决策
ISSN： 1002-6487
CN： 42-1009/C
Year： 2019
Issue： 17
Volume： 35
Page： 14-18
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
