协同过滤算法中的用户相似性度量方法研究

摘要：

传统协同过滤算法中的用户相似性度量方法基于用户之间共同评分项计算用户的相似度,用户-项目评分矩阵的数据稀疏问题会导致该相似度的计算不够准确.为此,提出一种新的用户相似性度量方法.该方法采用结合修正公式改进的Jaccard相似性系数计算用户之间的相似度,在计算过程中考虑用户之间共同评分项和所有评分项的关系,以及用户在共同评价项目上的评分差异对用户相似度的影响,从而获取更加精确的用户相似度矩阵.实验结果表明,与余弦相似性方法和修正的余弦相似性方法相比,该方法能提高预测准确度.

关键词：协同过滤、数据稀疏、用户相似性、Jaccard相似性系数、推荐算法

所属期刊栏目：41

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61103129,61202312;江苏省科技支撑计划基金资助项目BE2009009

在线出版日期：2015-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：18-22,31