基于物品质量和用户评分修正的协同过滤推荐算法

摘要：

[目的]在个性化推荐中,考虑物品质量和用户评分倾向性对用户打分的影响,提高推荐效果.[方法]提出一种改进的协同过滤推荐算法:利用物品质量评估算法实现了用户评分修正,可以改进查找与用户兴趣相似的最近邻过程,并在此基础上进行推荐.[结果]利用MovieLens数据集进行测试,与传统协同过滤算法相比,改进算法的MAE提高4.7％;与其他几种改进算法相比,精确度均有不同程度的提高.[局限]只关注现有的评分修正,并没有考虑用户的兴趣漂移,在一定程度上影响推荐效果.[结论]本文提出的算法推荐结果更加精确,有效地减少了物品质量和用户评分倾向性对推荐结果的影响,提高了推荐质量.

关键词：推荐系统、协同过滤、物品质量、评分修正

所属期刊栏目：3

分类号：TP391;G35(计算技术、计算机技术)

资助基金：江苏省研究生科研与实践创新计划项目“面向个性化推荐服务的互联网用户画像关键技术研究”KYCX17_1208;国家社会科学基金项目“基于大数据分析的数字图书馆个性化服务模式创新研究”项目16BTQ030的研究成果之一

在线出版日期：2019-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：62-67