|
1.
基于信息熵和时效性的协同过滤推荐
刘江冬, 梁刚, 冯程, 周泓宇
计算机应用
2016, 36 (9):
2531-2534.
DOI: 10.11772/j.issn.1001-9081.2016.09.2531
针对协同过滤推荐算法存在的噪声数据问题,提出了用户信息熵模型。用户信息熵模型结合信息论中信息熵的概念,采用信息熵的大小衡量用户信息的含量,利用用户评分数据得到用户的信息熵,过滤信息熵低的用户,从而达到过滤噪声数据的目的。同时,将用户信息熵模型和项目时效性模型相结合,项目时效性模型利用评分数据上下文信息获得项目的时效性,能有效缓解协同过滤的数据稀疏性问题。实验结果表明提出的算法能有效过滤噪声数据,提高推荐精度,与基础算法相比,推荐精度提高了1.1%左右。
参考文献 |
相关文章 |
多维度评价
|
|