论文部分内容阅读
协同过滤推荐算法是应用最广泛、最成功的推荐算法之一,该算法的核心是计算用户或项目相似度矩阵.首先分析了经典的相似度度量方法存在的缺陷,即在数据稀疏时会严重影响推荐结果.针对上述问题,提出一种基于用户间的共同评分数量及评分差异度的相似度度量方法,可以缓解数据稀疏对推荐结果的影响.选择Movie Lens站点提供的著名电影评分集作为实验数据并采用五折交叉法选取测试数据,分别将本算法和基于项目的协同过滤推荐算法、基于用户的协同过滤推荐算法进行对比,结果显示:采用新相似度所得到的推荐结果在一定程度上要优于上