10.16208/j.issn1000-7024.2015.02.039
基于用户属性和评分的协同过滤推荐算法
为解决协同过滤推荐系统数据稀疏和冷启动带来的问题,提出一种相似度计算和评分预测算法。结合用户评分相似度、兴趣倾向相似度和置信度3方面,更充分地利用用户评分信息,使得用户相似度的计算更准确、区分度更高;使用sigmoid函数,实现冷启动状态下用户相似度计算时用户属性和用户评分信息的平滑过渡。在MovieLens真实数据集上进行实验,实验结果表明,该算法可有效提高评分预测的准确性,在一定程度上解决冷启动的问题。
推荐系统、协同过滤、用户相似度、冷启动、Sigmoid函数
TP312(计算技术、计算机技术)
2015-03-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
487-491,497