王永,王永东,邓江洲,张璞.融合Jensen-Shannon散度的推荐算法[J].计算机科学,2019,46(2):210-214
融合Jensen-Shannon散度的推荐算法
Recommendation Algorithm Based on Jensen-Shannon Divergence
投稿时间:2017-12-06  修订日期:2018-02-17
DOI:
中文关键词:  Jensen-Shannon散度,评分值密度,相似性度量,协同过滤,数据稀疏性
英文关键词:Jensen-Shannon divergence,Density of ratings,Similarity measure,Collaborative filtering,Data sparsity
基金项目:本文受国家社会科学基金项目(15XGL024),重庆市前沿与应用基础研究计划项目(cstc2015jcyjA40025)资助
作者单位
王永 重庆邮电大学经济管理学院 重庆400065 
王永东 重庆邮电大学经济管理学院 重庆400065 
邓江洲 重庆邮电大学经济管理学院 重庆400065 
张璞 重庆邮电大学计算机科学与技术学院 重庆400065 
摘要点击次数: 0
全文下载次数: 0
中文摘要:
      为 充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该 算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。
英文摘要:
      To fully utilize all the ratings and weaken the problem of data sparsity,the Jensen-Shannon divergence in statistics field was used to design a new similarity measure for items.In this similarity measure,the ratings for items are converted to the density of rating values.Then,the item similarity is calculated according to the density of rating values.Meanwhile,the factor for the number of ratings is also considered to further enhance the performance of the proposed similarity measure based on JS divergence.Finally,a collaborative filtering recommendation algorithm is presented according to the JS-divergence-based item similarity.The test results on MovieLens dataset show that the proposed algorithm has good performance in prediction error and recommendation precision.Therefore,it has high potential to be applied in recommendation system.
查看全文  查看/发表评论  下载PDF阅读器