基于相似度优化偏差计算的slope-one算法研究

作者：向小东; 邱梓咸

来源：统计与决策, 2019, 35(17): 14-18.

DOI：10.13546/j.cnki.tjyjc.2019.17.003

• slope-one算法
• 协同过滤
• 相似度

slope-one算法是个性化推荐系统中最简洁的协同过滤推荐算法,常用于评分预测来进行矩阵填充从而降低原始数据的稀疏性。由于传统slope-one算法在计算偏差时考虑了所有评分项目,而将不相关的项目纳入偏差计算反而会降低预测的准确性,文章针对该问题提出一种改进的slope-one算法,先通过项目相似度筛选出待预测评分项目的近邻用户集S,在用户集S上计算项目间的偏差值dev时引入用户相似度,从而有效地提高了评分预测的可靠性。在Movielens-1M数据集上对本文算法和slope-one算法(SO)以及以用户相似度为权重的slope-one算法(BUW-SO)作五折交叉实验,结果表明,改进的算法不仅能减少时间和空间复杂度,还能提高预测的准确性,使推荐系统有更好的推荐效果。

• 单位
  福州大学