基于用户评分时间改进的协同过滤推荐算法

摘要：

[目的]改进基于用户的协同过滤算法以缓解因数据稀疏、用户共同评分稀少所导致的问题,进而提高评分预测的精度.[方法]提出结合用户打分时间发现具有相似打分行为的用户,并将用户评分方差相似性融入到相似度的计算中,使得目标用户在最近邻的选取上更加合理.[结果]实验结果表明,相较基于用户的协同过滤算法,新算法的平均绝对误差降低约2％,在一定程度上改善了推荐系统的推荐效果.[局限]该算法仅在MovieLens数据集上进行了实验测试,还需要在其他数据集上进行检验.[结论]本文算法能够有效地提高推荐精度,具有一定的可行性和现实意义.

关键词：协同过滤、数据稀疏、相似评分、用户评分方差相似性、最近邻

分类号：TP311;G25(计算技术、计算机技术)

资助基金：本文系浙江省自然基金项目“技术知识特性、整合、知识能量与组织学习对企业间合作创新能力关联性研究”项目编号:LY12G01002的研究成果之一.

在线出版日期：2016-10-28（万方平台首次上网日期，不代表论文的发表时间）

页码：65-69