推荐系统的主要功能是挖掘用户的行为信息,主动向用户推荐其感兴趣的内容,其中推荐算法作为推荐系统实现的核心而得到广泛关注。目前,主流的推荐方法有两种:基于协同过滤的推荐和基于内容的推荐。本文首先对基于用户的协同过滤方法进行较为深入和全面的分析,进而通过增加冷热门权重项对传统的余弦相似度计算方法进行改造。根据在MovieLens数据集上的实验研究表明,将上述改进应用于基于用户协同的过滤算法,能够提升推荐系统的精确率。
科研之友
微信
新浪微博
Facebook
分享链接
