协同过滤推荐中一种改进的信息核提取方法

摘要

针对协同过滤推荐算法中存在的可扩展性问题,在原有基于频率(frequency-based,FB)和排名(rankbased,RB)的信息核提取方法的基础上,提出了改进的提取信息核方法IFB(IFrequency-based)和IRB(IRankbased,IRB),在寻找最相似邻居环节中提出了一个优化集的概念,在优化集上为每个用户寻找最相似的邻居。从实验结果看出,通过该方法能够得到更加准确的推荐结果,有效降低了绝对平均误差(MAE),同时具有更高的准确率和召回率,推荐效果更优。