融合用户评分和属性相似度的协同过滤推荐算法

摘要：

为了提高协同过滤推荐系统的推荐效率和准确性,更好地向用户提供个性化的推荐服务,提出一种用户评分和属性相似度的推荐算法.首先分析当前协同过滤推荐研究的现状,设计评分相似度、兴趣倾向相似度、置信度等作为评分标准,使得用户相似度的计算更加准确、有区分度,然后根据用户属性来衡量用户之间的相似度,最后利用MovieLens数据集和Book-Crossing数据集做对比试验,对比精度、通用性和不同稀疏度及冷启动情况下的性能.实验结果表明,本文算法不仅提高了推荐精度,而且明显优于其它协同过滤推荐算法,具有更高的实际应用价值.

关键词：推荐系统、协同过滤、相似性度量、稀疏性问题

分类号：TP311(计算技术、计算机技术)

在线出版日期：2017-09-11（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：16-19