基于改进用户相似度的协同过滤推荐算法研究

作者：张利

来源：现代计算机(专业版), 2019, (17): 34-38.

• 协同过滤
• 用户相似度
• 标签信息

在协同过滤推荐中,由于存在评分数据稀疏问题,使用户与用户之间的相似度计算不准确,进而对系统的推荐质量产生影响;但标签信息的出现为改进相似度计算提供一个新的数据来源。因此,通过提出一种改进用户相似度的度量方法来缓解稀疏性问题。该方法通过考虑标签信息以及评分信息来共同计算用户间相似度,有效利用用户与标签之间的联系,弥补仅利用评分数据计算相似度的不足。实验结果表明,改进的相似度方法更能区分用户与用户间的相似度,有效提高近邻选择的正确性,进一步提高推荐算法中的准确度和召回率,从而提高推荐系统的推荐性能。

• 单位
  安徽工业大学