协同过滤算法中的相似性度量方法研究

摘要：

衡量用户的相似性是协同过滤算法的核心内容，用户间相似性的准确率对个性化推荐的结果会有显著影响。通过对用户-项目评分记录的分析，在比较pearson和jaccard相似性的基础上对相似性度量方法进行改进，并将该改进方法应用于MovieLens站点提供的数据集进行实证分析。实证研究表明，改进后的算法可以提高个性化推荐的准确性，并在一定程度上克服数据稀疏性对推荐质量的影响。

关键词：协同过滤、相似性、个性化推荐

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金No.70971089。

在线出版日期：2014-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：147-149,206