登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
使用BP神经网络缓解协同过滤推荐算法的稀疏性问题
  • 摘要

    推荐质量低是协同过滤推荐技术面临的主要难题之一.数据集的极端稀疏是造成推荐质量低的主要原因之一.常见的降维法和智能Agent法虽然某种程度上能缓解这个问题,但会导致信息损失和适应性等问题.设计了一个新的协同过滤算法,根据用户评分向量交集大小选择候选最近邻居集,采用BP神经网络预测用户对项的评分,减小候选最近邻数据集的稀疏性.该算法避免了降维法和智能Agent法的缺点,而且实验结果表明,该方法能提高预测值的准确度,从而提高协同过滤推荐系统的推荐质量.

  • 作者

    张锋  常会友  Zhang Feng  Chang Huiyou 

  • 作者单位

    中山大学信息科学与技术学院,广州,510275

  • 刊期

    2006年4期 ISTIC EI PKU

  • 关键词

    电子商务  数据挖掘  推荐系统  协同过滤  BP神经网络  算法 

相似文献 查看更多>>
3.226.243.36