改进的面向数据稀疏的协同过滤推荐算法

来源：计算机技术与发展杂志2016年第03期北京时间：

作者：高倩;何聚厚

摘要：用户相似性和最近邻集合是协同过滤算法中最重要的两个步骤。传统的协同过滤算法依靠用户评分计算用户相似性并寻找K个邻居作为最近邻的方法为用户产生推荐，但是在数据稀疏的情况下，仅仅依靠用户评分使得推荐效果不准确。针对以上问题，文中提出一种改进的面向数据稀疏的协同过滤推荐算法。该方法引入用户属性相似性和用户兴趣度相似性，并结合传统的用户评分相似性计算用户间的相似度，通过多次实验调整三者的权重，并且采用动态选取邻居集合的方法确定用户的最近邻，从而为用户推荐最合适的项目，增强了方法实用性，以此来缓解用户数据稀疏性问题。实验结果表明，文中方法能够充分利用用户的各类数据信息，提高了预测评分的准确性及推荐质量。

关键词：用户相似性;属性;兴趣;动态;数据稀疏性