基于项目流行度的协同过滤TopN推荐算法

为了提高推荐系统挖掘用户感兴趣的冷门项目的能力,提出一种改进的协同过滤推荐算法.在传统算法基础上考虑项目流行度的影响,将其作为权重因子引入到相似性计算和推荐过程中,以提高用户相似性计算的可靠性和冷门项目在最终的项目推荐过程中的影响力.典型数据集上的对比实验表明,该算法能够在保持甚至提高推荐准确度的前提下,有效挖掘到用户感兴趣的冷门项目.     

基于填充和相似性信任因子的协同过滤推荐算法

为了提高推荐系统在数据稀疏情况下的推荐质量,提出一种改进的协同过滤算法。该方法使用一种数据挖掘算法对稀疏评分矩阵进行填充; 在完整的填充矩阵上计算用户相似性,并引入相似性信任因子; 最终做出推荐预测。典型数据集上的对比实验结果表明,即使在评分数据极为稀疏的情况下,该算法仍能取得较好的结果。