融合评分结构特征与偏好距离的协同过滤推荐算法 |
| |
作者单位: | ;1.郑州大学信息工程学院 |
| |
摘 要: | 在协同过滤算法中,用户之间的相似性计算影响推荐系统的质量,尤其是在数据稀疏的情况下得到的用户之间的关系同实际情况偏离较大,影响推荐精度。针对上述问题,提出一种新的相似性计算算法。利用用户评分结构特征的稳定性,同时结合评分结构间的偏好距离,重新计算用户间偏好相似度。在Movie Lens数据集上的实验结果表明,与传统基于用户的相关相似性协同过滤算法及余弦相似性算法相比,该算法的推荐精度平均提高3.94%和2.99%。
|
关 键 词: | 协同过滤 推荐系统 数据稀疏 评分结构 偏好距离 |
Collaborative Filtering Recommendation Algorithm on Integration of Grade Structure Feature and Preference Distance |
| |
Abstract: | |
| |
Keywords: | |
|
|