协同过滤是在线商店中自动化产品推荐最成功和最广泛使用的方法之一。该方法最关键的组成部分是使用产品评分数据找出用户之间的相似性的机制,以便根据相似性推荐产品。相似性的计算依赖于传统的距离和矢量相似性度量,例如Pearson相关系数和余弦相似度,然而,它们在推荐问题领域的有效性方面很少受到质疑。文章提出了一种新的启发式相似性度量,其重点在于提高冷启动条件下的推荐性能,其中只有少量评级可用于每个用户的相似度计算。使用三个不同数据集的实验显示了该测量在新用户冷启动条件下的优越性。
科研之友
微信
新浪微博
Facebook
分享链接
