科研之友
微信
新浪微博
Facebook
分享链接
摘要
如今的用户面对着大量的信息，从中选取与自己联系密切的相关信息就显得非常困难了。电子商务平台、社区团购平台以及视频平台，面对日益增长的用户数据，需要从中挖掘有利于提高平台效率的信息，因此对用户的个性化推荐提出了更高的要求。各平台都希望能够把握每一个用户的动态信息，实施更加精准的个性化推荐，个性化推荐不仅能够提高平台的效率，也能够为用户带来极致的体验。由于传统的协同过滤算法评价体系中没有考虑到不同用户存在评分的差异，所以在准确性、精确性、差异性等方面仍然需要进一步的提高。该文主要针对在电影评分推荐协同过滤算法中精准化的需求，引入用户差异因子wvu,融合原有的皮尔逊相似度计算，从而解决传统的协同过滤算法相似性计算中，针对不同用户具有不同评价体系存在一定偏差的问题。采用Movielens 1m电影评分数据集进行仿真，证明了改进后相似度计算的协同过滤算法能够降低MAE值。
- 单位
