一种结合共同邻居和用户评分信息的相似度算法

摘要：

随着互联网的发展,推荐系统逐步得到广泛应用,协同过滤(CF)是其中运用得最早.最成功的技术之一.CF首先根据用户间的相似度,找出每个用户的近邻;然后根据目标用户近邻的评分预测目标用户的评分;最后把预测评分较高的项目推荐给目标用户.因此相似度计算方法直接关系到预测结果的准确性,对推荐起着至关重要的作用.目前,学者们已从不同的角度提出了各种各样的相似度计算方法,其中共同邻居算法(common-neighbors)是一种简单有效的方法.但此法仅考虑了两用户间的共同邻居数,忽略了用户的具体评分信息.针对这个问题对共同邻居算法进行了改进,同时考虑了共同邻居数和用户的评分信息.实验结果表明,改进的共同邻居算法在一定程度上可提高评分预测的准确性.

关键词：协同过滤、共同邻居、相似度算法、评分信息

所属期刊栏目：37

分类号：TP3;TP1

资助基金：国家高技术研究发展计划2007AA01Z440;国家自然科学基金60973069,90924011;四川省应用技术研究与开发项目支撑计划2008GZ0009;中国博士后科学基金资助项目20080431273

在线出版日期：2010-11-03（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：184-186,204