文章详情

摘要

针对协同过滤推荐算法中相似度计算存在的误差问题，文章提出了一种带修正因子的相似度计算方法，并将其应用于电影推荐算法中。首先，对电影信息数据进行降维处理，并通过K-means算法进行聚类，以提高算法效率。其次，引入修正因子，结合皮尔逊相关系数计算电影相似度矩阵。最后，根据相似度矩阵计算用户对未打分电影的预测得分，从而完成推荐。实验结果表明，与传统协同过滤推荐算法相比，本算法的效率提升了62.4%；优化后的相似度算法比传统相似度算法的平均绝对误差平均降低了9.67%。

关键词

相似度矩阵；修正因子；主成分分析；聚类；协同过滤

参考文献

1. [1] 于蒙，何文涛，周绪川，等.推荐系统综述 [J].计算机应用，2022，42（6）：1898-1913.
2. [2]于赛赛.基于互联网用户的电影个性化行为预测及推荐研究 [D].临沂：临沂大学，2024.
3. [3] 赵俊逸，庄福振，敖翔，等.协同过滤推荐系统综述 [J].信息安全学报，2021，6（5）：17-34.
4. [4] 袁泉，成振华，江洋.基于知识图谱和协同过滤的电影推荐算法研究 [J].计算机工程与科学，2020，42（4）：714-721.
5. [5] 扶芳.融合聚类和改进相似度协同过滤在电影推荐系统上应用 [D].重庆：重庆理工大学，2024.
6. [6] WANG C，BLEI D M. Collaborative Topic Modeling for Recommending Scientific Articles [C]//Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York：ACM，2011：448-456.
7. [7] HERLOCKER J L，KONSTAN J A，TERVEEN L G，et al. Evaluating Collaborative Filtering Recommender Systems [J].ACM Transactions on Information Systems (TOIS)，2004，22（1）：5-53.
8. [8] 王成.基于深度特征融合的协同推荐算法 [J].南京理工大学学报，2024，48（4）：460-468.
9. [9] 顾亦然，张远之，杨海根.基于电影属性和交互信息的电影推荐算法 [J].南京理工大学学报，2022，46（2）：177-184.
10. [10] 曾兆伟，曹健.数据分析服务流程模型推荐 [J].小型微型计算机系统，2019，40（7）：1374-1379.

基金项目

广东省高等职业教育教学质量与教学改革工程项目（2023JG048）；广东省教育科学规划课题（2022GXJK552）；广东省2022年度高等学校科研平台和项目重点领域专项（2022ZDZX1067）

作者简介

陈瑛（1979—），女，汉族，广东揭阳人，副教授，本科，研究方向：新型数据管理、信息化技术；沈阳（1978—），男，汉族，安徽安庆人，讲师，博士研究生，研究方向：网络技术、大数据集成管理。