科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于协同过滤算法的推荐系统对某一目标用户产生推荐结果时，存在追求高准确度而牺牲多样性的问题。为了改善并解决这一问题，提出在协同过滤的基础上融入核心用户的多样性推荐算法。首先，在推荐系统的所有用户数据中根据用户评价的项目数量以及评价的准确度筛选出核心用户；然后，依次计算待推荐项目的特定用户与各个核心用户两两之间的相似性，目标用户的k最近邻即根据相似性的大小排序排在前k个位置的用户；最后，将从基于核心用户得到的k个最近邻与基于用户的协同过滤推荐技术得到的前k个最近邻进行权重调整结合得到最终的推荐列表。实验结果显示，本方法在保证一定程度推荐准确性的情况下，可以有效增大系统的推荐多样性以及用户的满意度。
-
单位辽宁工业大学
