基于欧氏空间相似度的云模型协同过滤算法
来源：计算机工程与科学杂志2015年第10期北京时间：
作者：廖列法，黎晨，孟祥茂
单位：（江西理工大学信息工程学院，江西 赣州 341000）
摘要：传统的基于余弦相似度度量的云模型协同过滤推荐算法未考虑特征向量的长度和维度，忽略了三个重要数字特征云期望、熵和超熵的关系，如各数字特征具有不同的性质和权重，导致特征丢失、区分度过小的问题。针对这些问题，提出了一种采用标准化的多维欧几里德相似度计算方法，通过将三个数字特征映射为三维空间的点，计算经指数函数标准化的欧几里德相似度，生成更合理的用户k近邻集，最终产生推荐。实验结果表明，该相似度计算方法能够为云特征向量提供更显著的区分度，并在一定程度上提高了推荐质量。
关键词：协同过滤,云模型,数字特征,欧几里德相似度,标准化,
基金资助：国家自然科学基金资助项目(71061008,71462018)；江西省研究生创新专项资金项目（YC2014S371）
