一种改进的基于兴趣相似度推荐算法

摘要：

协同过滤推荐算法通过对用户行为进行相似度计算来实现目标推荐,但传统协同过滤算法的相似度计算存在一定的失真性.针对该问题,依据越不流行的物品兴趣分配权重越大的思想,提出逆流行度与共同兴趣项的概念,并设计一种相似度计算方法.在相似度计算时降低流行度高的物品的权重,从而减小热门物品对用户个性化的影响,同时提高共同兴趣数量对相似度影响的权重.在此基础上,建立一种新的推荐模型从而为目标用户推荐相似度最高的用户集.在数据集MovieLens上的实验结果表明,该相似度计算方法能够取得较好的推荐效果,其精确率、召回率及F1值优于Cosin、Pearson和Corrcosin方法.

关键词：推荐算法、协同过滤、相似度、兴趣分配、逆流行度、共同兴趣项

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：福建省中青年教师科研项目JZ180187,JZ180193

在线出版日期：2020-09-11（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：78-84