一种改进相似度的协同过滤算法实现

作者：许凤翔

来源：电子科技, 2020, 33(02): 54-59.

DOI：10.16180/j.cnki.issn1007-7820.2020.02.010

• 协同过滤
• 皮尔逊系数
• 相似度算法
• 归一化
• 平均绝对误差
• 评分预测

计算相似度时,协同过滤算法会赋予所有用户或物品一致的相似度权重,进而导致相似度计算出现偏差。针对这一问题,文中提出一种改进相似度的协同过滤算法。该算法首先在计算用户间相似度时根据用户活跃量增加活跃用户惩罚因子,然后在计算物品间相似度时根据物品流行度增加热门物品惩罚因子,再对相似度做最大值归一化,最后根据相似度矩阵进行电影评分预测。实验结果表明,改进的相似度算法在评分预测时更加准确,平均绝对误差稳定在0.72左右。

• 单位
  北方工业大学