文章详情

摘要

针对传统基于用户偏好的协同过滤推荐算法存在的数据稀疏性问题，提出了一种基于用户偏好及稀疏数据扩充的推荐算法RA-UPSDE（Recommendation Algorithm based on User Preferences and Sparse Data Enrichment）。首先对传统用户偏好度计算进行改进，然后对原始评分矩阵进行数据扩充，扩充时考虑扩充个数及扩充方式，最后将用户偏好相似度及数据扩充后的用户评分相似度进行综合计算，对目标用户进行协同过滤推荐。实验结果表明，该算法缓解了数据稀疏性问题，进一步提高了推荐质量。

关键词

用户偏好；稀疏数据；相似度；数据扩充

参考文献

1. [1] 李孟浩，赵学健，余云峰，等.推荐算法研究进展 [J].小型微型计算机系统，2022，43（3）：544-554.
2. [2] 汪春播，温继文.基于异构信息网络的推荐研究综述 [J].计算机工程与科学，2023，45（11）：2047-2059.
3. [3] 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.
4. [4] 王圣节，张庆红.基于密度权重的隐私聚类和改进相似度的推荐算法 [J].科学技术与工程，2024，24（29）：12623-12630.
5. [5] 赵学健，李豪，唐浩天.基于用户兴趣概念格约简的推荐评分预测算法 [J].计算机应用，2023，43（11）：3340-3345.
6. [6] 李浩，梁京章，潘莹.一种改进的兴趣相似度个性化推荐算法 [J].计算机技术与发展，2022，32（12）：1-6.
7. [7] 马鑫，王芳.融合类目偏好和数据场聚类的协同过滤推荐算法研究 [J].现代情报，2023，43（1）：6-18.
8. [8] 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.
9. [9] AHMADIAN S，JOORABLOO N，JALILI M，et al. Alleviating Data Sparsity Problem in Time-Aware Recommender Systems Using a Reliable Rating Profile Enrichment Approach [J/OL].Expert Systems with Applications，2022，187：115849（2021-09-15）.https://doi.org/10.1016/j.eswa.2021.115849.
10. [10] 邓乐乐，黄俊，岳春擂.融合项目流行度与用户间多相似度的协同过滤算法 [J].小型微型计算机系统，2022，43（8）：1631-1637.
11. [11] 李普聪，王顺，钟元生，等.融合信任关系的物质扩散与热传导混合推荐算法 [J].小型微型计算机系统，2021，42（10）：2044-2052.
12. [12] 赵学健，张雨豪，陈昊，等.基于FCM用户聚类的协同过滤推荐算法 [J].计算机技术与发展，2021，31（8）：6-12.

作者简介

张少轩（1997—），男，汉族，山西运城人，硕士在读，研究方向：推荐算法。