基于云模型熟悉相似度的协同过滤推荐算法

计算机工程与科学

基于云模型熟悉相似度的协同过滤推荐算法

汪军，朱建军，覃朗

（南京航空航天大学经济与管理学院，江苏南京 211106）

收稿日期:2016-01-07 修回日期:2016-05-20 出版日期:2017-11-25 发布日期:2017-11-25
基金资助:
国家自然科学基金（71171112，71401064,71502073）；教育部人文社科基金(14YJC630120)；南京航空航天大学研究生开放基金(kfjj20150903)

A collaborative filtering recommendation algorithm

based on familiarity similarity of cloud model

WANG Jun,ZHU Jian-jun,QIN Lang

（School of Economics and Management,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China）

Received:2016-01-07 Revised:2016-05-20 Online:2017-11-25 Published:2017-11-25

摘要/Abstract

摘要：

研究了一种新的协同过滤推荐方法。针对推荐算法中相似度存在的不足，提出了兼顾“形状-距离”的云模型综合相似度测算方法；考虑用户之间的兴趣匹配，提出了云模型熟悉相似度的概念；提出了基于云模型熟悉相似度的邻居用户选择方法，进而产生推荐。实验结果表明，本方法提高了推荐准确度。

关键词: 推荐算法, 协同过滤, 云模型相似度, 熟悉度

Abstract:

In order to overcome the shortcomings of similarity measurement in recommendation algorithms, we propose a new collaborative filtering recommendation algorithm for calculating the integrated similarity of cloud model based on shape similarity and distance similarity. Taking account of the interest of users, we introduce the concept of familiarity similarity of cloud model, based on which the neighbors are identified, thus obtaining the recommendation results. Experimental results show that the proposed method can improve recommendation accuracy .

Key words: recommendation algorithm, collaborative filtering, cloud model similarity, familiarity degree

汪军，朱建军，覃朗. 基于云模型熟悉相似度的协同过滤推荐算法[J]. 计算机工程与科学.

WANG Jun,ZHU Jian-jun,QIN Lang.

A collaborative filtering recommendation algorithm

based on familiarity similarity of cloud model

[J]. Computer Engineering & Science.

[1]	吴斯琦, 赵清华, 于雨晨. 基于元学习的图神经网络冷启动推荐[J]. 计算机工程与科学, 2024, 46(09): 1675-1684.
[2]	李清风, 金柳, 马慧芳, 张若一. 双视图对比学习引导的多行为推荐方法[J]. 计算机工程与科学, 2024, 46(04): 707-715.
[3]	高永强, 张之明, 王宇涛. 基于Cross-DeepFM的军事训练推荐模型[J]. 计算机工程与科学, 2022, 44(08): 1364-1371.
[4]	阎红灿, 王子茹, 李伟芳, 谷建涛. 伴随时间的模糊聚类协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(11): 2084-2090.
[5]	陈海龙, 闫五岳, 孙海娇, 程苗. 标签扩展的协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(10): 1826-1832.
[6]	张瑞典，钱晓东. 用余弦相似度修正评分的协同过滤推荐算法[J]. 计算机工程与科学, 2020, 42(06): 1096-1105.
[7]	袁泉1,2,3,成振华1,2,江洋1,2. 基于知识图谱和协同过滤的电影推荐算法研究[J]. 计算机工程与科学, 2020, 42(04): 714-721.
[8]	宋月亭, 吴晟. 基于相似度优化和流形学习的协同过滤算法改进研究[J]. 计算机工程与科学, 2020, 42(02): 351-357.
[9]	刘辉, ., 曾斌, 刘子恺. 融合邻居选择策略和信任关系的兴趣点推荐[J]. 计算机工程与科学, 2020, 42(02): 365-372.
[10]	刘辉1,2,3，万程峰1,2，吴晓浩1,2. 基于增量协同过滤和潜在语义分析的混合推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2033-2039.
[11]	黄乐乐1，马慧芳1,2，李宁3，余丽1. 基于二分图划分联合聚类的协同过滤推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2040-2047.
[12]	刘国丽，白晓霞，廉孟杰，张斌. 基于专家信任的协同过滤推荐算法改进研究[J]. 计算机工程与科学, 2019, 41(10): 1846-1853.
[13]	吴浩1，王晓晨1，曾诚1,2，何鹏1,2. 基于异质用户网络嵌入的服务推荐方法研究[J]. 计算机工程与科学, 2019, 41(07): 1244-1250.
[14]	李艳娟，牛梦婷，李林辉. 基于蜂群K-means聚类模型的协同过滤推荐算法[J]. 计算机工程与科学, 2019, 41(06): 1101-1109.
[15]	王磊，瞿佳明. 基于协同过滤和Slope One算法的Web服务可靠性预测[J]. 计算机工程与科学, 2018, 40(08): 1390-1397.