基于修正相似度的User-Based协同过滤推荐算法  

A User-Based Collaborative Filtering Recommendation Algorithm Based on Modified Similarity

作　　者：王竹婷[1] 夏竹青[1] 周艳玲[1] 

机构地区：[1]合肥学院计算机科学与技术系,合肥230601

出　　处：《重庆科技学院学报（自然科学版）》2016年第6期75-79,共5页Journal of Chongqing University of Science and Technology：Natural Sciences Edition

基　　金：安徽省教育厅自然科学资助项目"基于上下文相关性的网络编码可靠多播技术的研究"(KJ2016A609);合肥学院科研发展基金资助项目"面向电子商务的个性化推荐系统研究"(14KY11ZR);合肥学院重点建设学科资助项目(2014XK08);合肥学院学科带头人培养对象资助项目(2014DTR08)

摘　　要：运用传统的User-Based协同过滤算法计算用户相似度时,因数据过度稀疏而易造成较大的计算偏差。为了有效提高该算法的准确性,研究改进相似度计算方法。根据用户现有的评分数据计算每个项目的自信息量,根据自信息量为不同的项目分配权值,利用权值来修正传统的相似度计算方法。当用户共同评分项目数量较少时,增加惩罚因子,以避免评分相似所致相似度过高的问题。An improved method of similarity calculation is proposed in this paper because the traditional user - based collaborative filtering algorithm are not suitable in sparse data. First of all, we utilize the user＇s rating data to calculate self information quantity of each item, which can be used to determine the weights of the item, and improved the traditional similarity measure. Then, we add a penalty factor to avoid the high similarity caused by the fewer similar rating behavior when the number of co - rated items is few.

关 键 词：推荐系统 协同过滤 相似度 自信息量 平均绝对偏差 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]