一种基于入侵杂草优化的推荐系统新方法
信息检索
2021-06-08 v1
摘要
协同过滤（CF）是推荐系统中一种流行的方法。CF中最关键的步骤是选择合适的用户集合。为此，通常使用相似度度量来计算特定用户与其他用户之间的相似性。本文提出一种基于入侵杂草优化（IWO）的CF方法，利用用户上下文来识别重要且有效的用户集合。通过使用一种新定义的基于评分值及称为置信度的度量值的相似度度量，所提方法计算用户间相似性，从而识别并过滤出与特定用户最相似的用户。随后利用IWO计算用户的重要程度，最终通过使用所识别的重要用户及其重要程度来预测未知评分。为评估所提方法，在两个已知真实世界数据集上进行了若干实验，结果表明所提方法在均方根误差（RMSE）和平均绝对误差（MAE）方面较最先进水平提升了至多15%。
引用
@article{arxiv.2106.02831,
title = {A novel method for recommendation systems using invasive weed optimization},
author = {Fahimeh Soltaninejad and Amir Jalaly Bidgoly},
journal= {arXiv preprint arXiv:2106.02831},
year = {2021}
}