10.3778/j.issn.1002-8331.1204-0749
协同过滤算法中的相似性度量方法研究
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。
协同过滤、相似性、个性化推荐
TP311.13(计算技术、计算机技术)
国家自然科学基金No.70971089。
2014-04-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
147-149,206