一种解决协同过滤系统冷启动问题的新算法

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (2): 11-17.

一种解决协同过滤系统冷启动问题的新算法

李改^1,2,3, 李磊^2,3

1. 顺德职业技术学院电子与信息工程系, 广东顺德 528333;
2. 中山大学信息科学与技术学院, 广东广州 510006; 3. 中山大学软件研究所, 广东广州 510275

收稿日期:2011-05-10 出版日期:2012-04-20 发布日期:2011-05-10
作者简介:李改(1981- ),男,湖北荆州人,讲师,博士研究生,主要研究方向为机器学习,数据挖掘,推荐系统.Email:ligai999@126.com
基金资助:
国家自然科学基金资助项目(61003140,61033010);中山大学高性能与网格计算平台资助项目

A new algorithm of cold-start in a collaborative filtering system

LI Gai^1,2,3, LI Lei^2,3

1. Department of Electronic and Information Engineering, Shunde Polytechnic, Shunde 528333, China;
2. School of Information Science and Technology, Sun YatSen University, Guangzhou 510006, China;
3. Software Institute, Sun YatSen University, Guangzhou 510275, China

Received:2011-05-10 Online:2012-04-20 Published:2011-05-10

摘要/Abstract

摘要：

在基于矩阵分解的协同过滤算法中,新用户和新项目的冷启动问题是所面临的难点问题之一。通过运用基于K近邻的属性——特征映射的算法得到新用户和新项目的特征向量,解决了该类协同过滤算法所面临的冷启动问题。在真实的实验数据集上验证了该算法的有效性。

关键词: 推荐系统, 协同过滤, 冷启动, 交叉最小二乘法, K近邻

Abstract:

In the collaborative filtering algorithms based on matrix decomposition, the new user and new item cold-start is a difficult problem. The problem of cold-start was solved by using the attribute-to-feature a mapping algorithm based on K-nearest-neighbor(KNN) to get the feature vectors of the new user and new item. The experimental evaluation using a real-world dataset showed the effectiveness of this method.

Key words: collaborative filtering, cold-start, alternating least squares, K-nearest-neighbor, recommendation systems

李改1,2,3, 李磊2,3. 一种解决协同过滤系统冷启动问题的新算法[J]. 山东大学学报(工学版), 2012, 42(2): 11-17.

LI Gai1,2,3, LI Lei2,3. A new algorithm of cold-start in a collaborative filtering system[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(2): 11-17.

参考文献

相关文章 10

[1]	林耀进,张佳,林梦雷,王娟. 一种基于模糊信息熵的协同过滤推荐方法[J]. 山东大学学报(工学版), 2016, 46(5): 13-20.
[2]	黄丹,王志海,刘海洋. 一种局部协同过滤的排名推荐算法[J]. 山东大学学报(工学版), 2016, 46(5): 29-36.
[3]	李朔,石宇良. 基于位置社交网络中地点聚类推荐方法[J]. 山东大学学报(工学版), 2016, 46(3): 44-50.
[4]	庞俊涛, 张晖, 杨春明, 李波, 赵旭剑. 基于概率矩阵分解的多指标协同过滤算法[J]. 山东大学学报(工学版), 2016, 46(3): 65-73.
[5]	张佳,林耀进,林梦雷,刘景华,李慧宗. 基于信息熵的协同过滤算法[J]. 山东大学学报(工学版), 2016, 46(2): 43-50.
[6]	孙远帅,陈垚,刘向荣,陈珂,林琛. 基于项目层次相似性的推荐算法[J]. 山东大学学报(工学版), 2014, 44(3): 8-14.
[7]	陈大伟,闫昭*,刘昊岩. SVD系列算法在评分预测中的过拟合现象[J]. 山东大学学报(工学版), 2014, 44(3): 15-21.
[8]	叶雯,云挺*,业宁. 基于点云数据的立木树干局部曲面拟合及拓扑结构[J]. 山东大学学报(工学版), 2013, 43(2): 42-47.
[9]	伊良忠1,章超2*,裴峥3. 广义回归神经网络的改进及在交通预测中的应用[J]. 山东大学学报(工学版), 2013, 43(1): 9-14.
[10]	王爱国,李廉*,杨静,陈桂林. 一种基于Bayesian网络的网页推荐算法[J]. 山东大学学报(工学版), 2011, 41(4): 137-142.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed