典型文献
基于评分区域子空间的协同过滤推荐算法
文献摘要：
协同过滤推荐算法因其合理的可解释性以及简单的实现过程而被广泛应用.然而,在推荐系统中数据集通常具有规模大、稀疏度和维度高等特点,这些特点给协同过滤推荐算法带来了很大的挑战.为了缓解上述问题,提出了一种基于评分区域子空间的协同过滤推荐算法.基于用户-项目评分矩阵,该算法首先将评分范围划分为3个区域,即高评分区域、中评分区域以及低评分区域,根据这3个区域分别为每个用户寻找其项目子空间,即高评分子空间、中评分子空间以及低评分子空间.其次,定义了一种新的相似度计算方式,在各区域子空间中分别计算用户之间的评分支持度,只有当用户在各个子空间上的评分支持度都很高时,用户之间才是相似的.这种方式避免了惰性评分用户的评分干扰.实验结果表明,该算法能够在一定程度上解决数据稀疏性问题,特别是针对高维数据能降低其计算复杂度,并提高其推荐性能.
文献关键词：
项目子空间;评分支持度;协同过滤;稀疏性;高维性
中图分类号：
作者姓名：
孙晓寒;张莉
作者机构：
苏州大学计算机科学与技术学院 江苏苏州215006
文献出处：
引用格式：
[1]孙晓寒;张莉-.基于评分区域子空间的协同过滤推荐算法)[J].计算机科学,2022(07):50-56
A类：
项目子空间,评分支持度
B类：
协同过滤推荐算法,法因,可解释性,实现过程,推荐系统,稀疏度,评分矩阵,相似度计算,计算方式,当用,惰性,分用,数据稀疏性,高维数据,计算复杂度,推荐性,高维性
AB值：
0.186969
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
