针对商品推荐领域中传统协同过滤算法受评分数据稀疏性影响导致推荐质量不高的问题,提出一种基于用户兴趣差异的评分矩阵填充方法,优化协同过滤算法的推荐效果。利用电影的关键词和用户选择电影的倾向度改进填充评分矩阵的Slope One算法,对填充后的矩阵预测评分并根据用户的兴趣偏好对结果进行修正。实验结果表明,该算法可以有效地解决传统协同过滤方法在数据稀疏性增大时的问题,提高推荐结果的准确度。
科研之友
微信
新浪微博
Facebook
分享链接
