首页|期刊导航|广西科技大学学报|ECFRS:基于物品的增强型协同过滤推荐算法及应用

ECFRS:基于物品的增强型协同过滤推荐算法及应用OA

中文摘要

针对传统协同过滤推荐算法(collaborative filtering recommendation algorithm,CFRA)在数据稀疏性问题上相似度计算不准确,导致推荐准确率较低的问题,本文提出一种增强型协同过滤推荐算法(enhanced collaborative filtering recommender system,ECFRS),以提高推荐算法的准确性和泛化能力。该算法结合对数变换和热门商品惩罚机制,通过优化相似度计算方法并引入惩罚因子,拓宽了相似度计算的适用范围。在MovieLens数据集上,ECFRS算法的平均召回率比ItemCF算法提高了4.26%;在LastFM数据集上,与基于物品的协同过滤推荐算法(ItemCF)相比,ECFRS算法的平均召回率提高了74.10%,平均精确率提高了73.70%。实验结果表明,ECFRS算法不仅显著提高了推荐算法的召回率和精确率,而且在处理长尾项目方面表现优异,增加了推荐列表的多样性,说明ECFRS算法在提升推荐算法的整体准确性和泛化能力方面具有显著优势。

余洲祥;徐奕奕;胡家浩;黎思远;李厚君

广西科技大学计算机科学与技术学院,广西柳州545006广西科技大学计算机科学与技术学院,广西柳州545006广西科技大学计算机科学与技术学院,广西柳州545006广西科技大学计算机科学与技术学院,广西柳州545006广西科技大学计算机科学与技术学院,广西柳州545006

信息技术与安全科学

协同过滤对数变换惩罚因子算法数据集

《广西科技大学学报》 2026 (1)

P.98-107,10

国家自然科学基金项目(62166002)资助。

10.16375/j.cnki.cn45-1395/t.2026.01.014

评论