融合评分结构特征与偏好距离的协同过滤推荐算法

摘要：

在协同过滤算法中,用户之间的相似性计算影响推荐系统的质量,尤其是在数据稀疏的情况下得到的用户之间的关系同实际情况偏离较大,影响推荐精度.针对上述问题,提出一种新的相似性计算算法.利用用户评分结构特征的稳定性,同时结合评分结构间的偏好距离,重新计算用户间偏好相似度.在MovieLens数据集上的实验结果表明,与传统基于用户的相关相似性协同过滤算法及余弦相似性算法相比,该算法的推荐精度平均提高3.94％和2.99％.

关键词：协同过滤、推荐系统、数据稀疏、评分结构、偏好距离

所属期刊栏目：43

分类号：TP311(计算技术、计算机技术)

资助基金：河南省科技厅基础与前沿技术研究计划项目152300410191

在线出版日期：2017-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：185-190,196