摘要
在协同过滤推荐系统的相关研究中,计算用户的相似性时通常使用传统的余弦法、Jaccard相似法,而基于这些算法所得到的评分预测往往不够精确,且进行Top-N推荐时难以达到预期的效果。本文将用户相似度细分为分值差距度、评分倾向相似度、共同评分物品数权值三部分,提出一种改进型相似度计算方法。在Movie Lens数据集上进行实验,以预测误差MAE为评价指标,结果表明,该算法可以显著改善上述指标,提高推荐质量。
出处
《数字技术与应用》
2017年第2期158-159,共2页
Digital Technology & Application
