%0 Journal Article
%T 简化的Slope One在线评分预测算法
%A 孙丽梅
%A 曹科研
%A 李悦
%J 计算机应用
%D 2018
%R 10.11772/j.issn.1001-9081.2017082493
%X 摘要 个性化推荐系统是大数据时代信息过滤的有效手段，影响推荐系统预测准确性的主要原因之一是数据稀疏性。Slope One评分预测推荐算法采用简单的线性回归模型解决数据稀疏问题，具有易于实现、评分预测速度快的特点，但它在训练阶段生成项目之间评分差的时间和空间消耗大，训练阶段需离线进行。为解决以上问题，提出一种简化的Slope One算法——Simplified Slope One，以两项目历史平均分之差代替项目评分差，来降低算法的时间复杂度和空间复杂度，简化耗时最多的生成项目之间评分差的过程，以有效提高评分数据的利用率，对稀疏数据有更好的适应性。在Movielens数据集上利用按照时间戳排序后划分的测试集进行实验，结果表明Simplified Slope One算法对评分预测的准确性与原Slope One算法接近，但时间复杂度和空间复杂度均低于原Slope One算法，更适合在数据规模增长迅速的大型推荐系统中应用
%K 个性化推荐
%K Slope One算法
%K 在线
%K 评分预测
%K 推荐系统
%U http://www.joca.cn/CN/abstract/abstract21547.shtml