汪静
- 作品数：3 被引量：274H指数：3
- 供职机构：中山大学信息科学与技术学院更多>>
- 发文基金：教育部“新世纪优秀人才支持计划”国家自然科学基金广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种优化的Item-based协同过滤推荐算法被引量：25
- 2010年
- 针对传统的Item-based协同过滤推荐算法在推荐系统应用中存在的不足,提出一种优化的Item-based协同过滤推荐算法.从项目相似性计算,项目近邻选取和预测评分计算三个方面对算法进行了优化,使计算结果更具有实际意义和准确性.实验结果表明,提出的算法可解决传统方法中由于数据稀疏所导致的相似性度量不准确的问题,并显著地提高了算法的推荐精度.
- 汪静印鉴
- 关键词：预测评分推荐系统
- 不确定近邻的协同过滤推荐算法被引量：217
- 2010年
- 文中围绕传统的协同过滤推荐算法存在的局限性展开研究,提出一种不确定近邻的协同过滤推荐算法UNCF.根据推荐系统应用的实际情况,对于推荐的每一种场景其实都是不可预先确定的,而文中算法基于用户以及产品的相似性计算,自适应地选择预测目标的近邻对象作为推荐群,同时计算推荐群中推荐把握概率较高的信任子群,最后通过不确定近邻的动态度量方法,来对预测结果进行平衡的推荐.通过实验结果表明,该算法可以有效平衡用户群以及产品群推荐结果所带来的不稳定影响,有效缓解用户评分数据稀疏的情况所带来的问题,并在多个实验数据中,提高了推荐系统的预测准确率.
- 黄创光印鉴汪静刘玉葆王甲海
- 关键词：协同过滤推荐系统
- 基于共同评分和相似性权重的协同过滤推荐算法被引量：43
- 2010年
- 协同过滤推荐算法是在电子商务推荐系统中应用最成功的推荐技术之一。提出了一种基于共同评分和相似性权重的协同过滤推荐算法。该算法选择用户的共同评分数据计算用户的相似性,选择项目被用户共同评分的数据计算项目的相似性,再分别计算基于用户以及项目算法的预测评分,然后通过相似性权重结合两者得到最终的预测结果,最后再根据预测结果产生推荐。实际数据的实验结果表明,提出的算法显著提高了预测准确度,从而提高了推荐质量。
- 汪静印鉴郑利荣黄创光
- 关键词：电子商务推荐系统协同过滤
