一种基于用户相似性的协同过滤推荐算法

个性化推荐技术研究用户行为,分析用户兴趣,主动为用户推荐合适的资源,较好地解决了互联网信息日益庞大与用户需求之间的矛盾。协同过滤(Collaborative Filtering)算法中,基于邻居的方法和基于潜在因子的方法是目前应用于推荐系统最成功的技术。前者虽然简单易行,但精度有待提高;后者精度较高,但模型复杂,参数难以学习。因此提出一种改进的基于用户相似性的协同过滤算法,通过修正用户相似性的度量方法,产生更合理的用户邻居,实现对用户的评分推荐。实验结果表明:本文中提出的算法相比基于潜在因子的方法简单易行;同时,相比基于邻居的方法,在一定程度上提高了推荐的精度。
推荐系统 协同过滤 用户相似性 用户邻居
程飞 贾彩燕
北京交通大学计算机与信息技术学院,北京 100044
国内会议
长春
中文
1-9
2012-08-04(万方平台首次上网日期,不代表论文的发表时间)