融合协同过滤和XGBoost的推荐算法

来源：计算机应用研究杂志2020年第1期北京时间：

作者：崔岩,祁伟,庞海龙,赵辉,

单位：长春工业大学计算机科学与工程学院,长春130012；

摘要：协同过滤在数据处理中存在数据稀疏问题，影响推荐算法的准确性。提出融合协同过滤和XGBoost的推荐算法，根据用户对项目的评价以及项目本身所具备的自身特点，挖掘项目和用户的潜在关系，提高算法的推荐准确性。采用百度深度学习框架PaddlePaddle在Book-Crossings数据集上进行实验，实验结果表明，提出的算法和文献中两种算法相比，准确性有显著提升。

关键词：XGBoost,协同过滤,准确性,推荐系统,

基金资助：国家自然科学基金资助项目(61472049)；吉林省教育厅“十二五”科学技术研究项目(2014132)；；