%0 Journal Article
%T 融合信息熵和加权相似度的协同过滤算法研究
%J -
%D 2018
%R 10.3969/j.issn.1673-629X.2018.05.006
%X 针对传统协同过滤算法存在的稀疏性问题以及只考虑用户间共同评分项目数量而忽略具体评分值的问题,提出了融合信息熵和加权相似度的算法模型。该模型在信息熵的基础上引入了差异信息熵，即考虑到用户对共同评分项目的具体评分值的影响，有效缓解了由于原始评分数据稀疏而造成的推荐质量欠佳问题。另外在此基础上,通过引入调节因子将传统的相似度计量方法和差异信息熵通过加权平均,使用加权相似度计算用户之间的相似性,获得更好的近邻,提高了发现邻居的精确度。最后将该算法应用于MovieLens 数据集,并与传统的协同过滤算法进行比较，结果表明,该算法具有更好的推荐效果，证明了该模型的有效性和可行性
%K 协同过滤
%K 稀疏性
%K 差异信息熵
%K 加权相似度
%U http://www.xactad.org//oa/darticle.aspx?type=view&id=201805006