协同过滤推荐算法的研究与改进

摘要：

传统的基于用户的协同过滤推荐算法在计算用户间相似性时依赖于用户-项目评分矩阵，但在实际的商业系统中，用户参与的评价往往非常少，这样计算出的相似性精确度通常很低。文中提出结合用户相似性和基于项目分类特征的相似性计算方法，计算用户间的相似性，形成目标用户的近邻集合，完成向目标用户的推荐。文中在MovieLens数据集上的实验结果表明，相对于Pearson相似性的协同过滤推荐算法，文中提出的改进算法在推荐质量方面有明显提高。

关键词：基于用户、协同过滤、推荐系统、项目分类、相似性计算

分类号：P315.69(大地（岩石界）物理学（固体地球物理学）)

资助基金：国家自然科学基金资助项目61170060;安徽省自然科学基金11040606M135;安徽省高等学校自然科学基金重点项目KJ2011A083

在线出版日期：2013-10-17（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：66-69