论文部分内容阅读
在个性化推荐算法中，相似度计算方法是决定推荐算法准确度的关键因素之一。在MovieLens数据集下，传统相似度的计算没有考虑用户共同评分项目、用户评分时间及用户平均评分的影响，以至于在数据稀疏的情况下不能很好地度量用户间的相似度，导致推荐结果不准确，因此，就以上问题，提出加入三个修正因子改进传统的相似度计算方法。在MovieLens数据集下，实验结果表明，改进后的协同过滤算法的平均绝对误差（MAE）比基于改进相似性度量的项目协同过滤推荐算法（ICF_IPSS）低7．4％，比基于加权多融合偏好与结构相似度的