融合内容和改进协同过滤的个性化推荐算法

作者：何波; 潘力

来源：控制工程, 2018, 25(08): 1553-1558.

DOI：10.14107/j.cnki.kzgc.170560

• 个性化推进
• 协同过滤
• 内容过滤
• Pearson相关系数
• 加权因子

为了提高个性化推荐算法的推荐准确性,提出一种融合内容和改进协同过滤的推荐算法。首先,利用基于内容的过滤方法对未评分的项目进行预测,获得预测评分,从而构建了项目—评分矩阵,用于计算评分的Pearson相关系数。然后,在Pearson相关系数计算中融入项目热门系数,对传统协同过滤方法进行改进,并以此对项目给出最终的评分,从而产生推荐。另外,通过调和加权因子和用户加权因子,使基于内容推荐和协同过滤的评分结果能够更合理的融合。实验结果表明,与当前个性化推荐技术相比,所提算法能够有效解决用户评分数据稀疏的问题,具有更高的推荐精度。

• 单位
  广州工程技术职业学院; 郑州工程技术学院