基于物品质量和用户评分修正的协同过滤推荐算法

作者：焦富森; 李树青^*

来源：数据分析与知识发现, 2019, 3(08): 62-67.

• 推荐系统
• 协同过滤
• 物品质量
• 评分修正

【目的】在个性化推荐中,考虑物品质量和用户评分倾向性对用户打分的影响,提高推荐效果。【方法】提出一种改进的协同过滤推荐算法:利用物品质量评估算法实现了用户评分修正,可以改进查找与用户兴趣相似的最近邻过程,并在此基础上进行推荐。【结果】利用MovieLens数据集进行测试,与传统协同过滤算法相比,改进算法的MAE提高4.7%;与其他几种改进算法相比,精确度均有不同程度的提高。【局限】只关注现有的评分修正,并没有考虑用户的兴趣漂移,在一定程度上影响推荐效果。【结论】本文提出的算法推荐结果更加精确,有效地减少了物品质量和用户评分倾向性对推荐结果的影响,提高了推荐质量。

• 单位
  南京财经大学