一种改进推荐系统行为的新的协同过滤度量

Scidown文献预览系统！

作者：scidown 发布时间：2021-07-28 16:45:38 文章标题：

一种改进推荐系统行为的新的协同过滤度量( A new collaborative filtering metric that improves the behavior of recommender systems )

文章作者：

J Bobadilla F Serradilla J Bernal collaborative filtering recommender systems metric jaccard mean squared differences similarity

文章简述：

推荐系统通常作为Web2.0服务提供，是支持大规模社交网络的应用程序范围的一部分，支持基于网络数据库的在线推荐。推荐系统的操作核心是基于协同过滤阶段，在当前的用户对用户推荐过程中，协同过滤阶段通常使用Pearson相关性度量。在本文中，我们提出了一个新的度量，它结合了投票的数字信息和独立于这些值的信息，基于每对用户之间的共同投票和不共同投票的比例。同样地，我们定义了度量的设计所依据的推理和实验，以及应用于可能的投票范围不大于5的推荐系统的限制。为了证明所提出的度量的优越性，我们提供了基于MovieLens、FilmAffinity和NetFlix数据库的一组实验的比较结果。除了传统的精确度水平外，还提供了关于度量的复盖率、获得的命中百分比和精确度/查全率的结果。

文章下载地址（开放版）：