基于改进相似度计算方法的协同过滤算法研究

摘要：

协同过滤算法是目前推荐系统中应用最广泛的技术,相似度的计算是该算法中关键的一步,它直接影响到后续的目标用户邻居集的选取及评分预测,最终决定着推荐的准确度.在传统的基于用户的协同过滤中,相似度的计算未考虑用户评分差异和商品的热度对相似度计算的影响.论文引入平均评分修正因子和热门商品惩罚因子,对传统的相似度计算公式加以优化.实验表明,改进后的相似度算法在电影推荐时,平均绝对误差(MAE)值较其他相似度算法更低,有着更好的推荐效果.

关键词：推荐算法、协同过滤、相似度计算、电影推荐

所属期刊栏目：49

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2021-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：447-450,541