帖军,吕琴艳,孙翀,王江晴,尹帆.一种基于频繁项集挖掘的推荐算法[J].中南民族大学学报自然科学版,2019,38(1):144-149
一种基于频繁项集挖掘的推荐算法
A recommendation algorithm based on frequent itemsets mining
  
DOI:10.12130/znmdzk.20190125
中文关键词: 协同过滤  频繁项集  相似度  推荐算法
英文关键词: collaborative filtering  frequent itemsets  similarity  recommendation algorithm
基金项目:国家科技支撑计划项目子课题(2015BAD29B01) ;农业部软科学研究课题(D201721);中央高校基本科研业务费专项资金资助项目(CZY18048)
作者单位
帖军,吕琴艳,孙翀,王江晴,尹帆 中南民族大学 计算机科学学院武汉 430074 
摘要点击次数: 30
全文下载次数: 24
中文摘要:
      协同过滤是推荐系统中应用最成功的技术之一,现有基于项目的协同过滤算法在计算项目相似度时过度依赖用户对项目的评分数据,没有考虑项目间内在的关联性,导致推荐质量不高.为了全面客观地评估项目相似度,提出了一种基于频繁项集挖掘的推荐算法(BFIM).该算法提出将频繁项集作用于相似度计算中,可以提高相似度计算的准确性,进而提升推荐算法的推荐质量.实验结果表明:提出的改进算法较对比算法在公开数据集上能取得更好的推荐效果.
英文摘要:
      Collaborative filtering is one of the most successful technology in the recommendation system. The existing item-based collaborative filtering algorithm excessively depends on the users’ rating data when calculating the items similarity, which does not consider the inner relevance between the items, and these lead to lower recommendation quality. In order to fully and objectively evaluate the items similarity, a recommendation algorithm based on Frequent Itemsets Mining (BFIM) is proposed. The algorithm proposes to apply frequent itemsets to the similarity calculation, which can increase the accuracy of similarity calculations and further improve the recommendation quality of the algorithm. Experimental results show that the proposed improved algorithm can achieve better recommendation results than the compared algorithms on public dataset.
查看全文   查看/发表评论  下载PDF阅读器
关闭