一种改进相似性度量的协同过滤推荐算法

摘要：

协同过滤算法是目前电子商务推荐系统中最重要的技术之一,其中相似性度量方法的效果直接决定了推荐系统的准确率.传统的相似性度量方法主要关注用户共同评分项之间的相似度,却忽视了用户共同评分项和用户所有评分项之间的关系.用户共同评分项和用户所有评分项之间的关系可以通过Tanimoto系数来计算,然而Tanimoto系数是基于二值模式下的运算,因此直接运用于推荐系统中的效果并不理想.基于上述问题提出了修正的Tanimoto系数,并将用户共同评分项和用户所有评分项之间的关系融入到传统的相似性度量方法中.实验表明该算法在一定程度上提高了推荐的效率和准确度.

关键词：协同过滤推荐、相似性计算、Tanimoto系数、推荐算法

所属期刊栏目：41

分类号：TP31(计算技术、计算机技术)

资助基金：国家自然科学基金61075053;教育部高等学校博士学科点科研基金20120191110028

在线出版日期：2014-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：68-71