| 摘要 |
一种协同过滤推荐算法中改进的相似性度量方法，包括以下步骤。S1、创建用户集合U＝{U1,U2,…,Un}中n个用户对项目集合I＝{I1,I2,…,Im}中m个项目的评分矩阵R(n×m)，以Ra,i表示用户Ua对项目Ii的评分，其中Ua∈U,Ii∈I。S2、分别计算用户Ua和Ub之间的相似度sim(Ua,Ub)，项目Ii和Ij之间的相似度sim(Ii,Ij)，定义相似度影响因子ε，使sim'(Ua,Ub)＝ε×sim(Ua,Ub)，sim'(Ii,Ij)＝ε×sim(Ii,Ij)。S3、在[0,1]区间取参数λ，根据所述λ、ε、用户对项目的评分均值、用户之间的相似度及项目之间的相似度，预测用户对项目的评分。 |
| 主权项 |
一种协同过滤推荐算法中改进的相似性度量方法，其特征在于，包括以下步骤：S1、创建用户集合U＝{U1,U2,…,Un}中n个用户对项目集合I＝{I1,I2,…,Im}中m个项目的评分矩阵R(n×m)，以Ra,i表示用户Ua对项目Ii的评分，其中Ua∈U,Ii∈I；S2、分别计算用户Ua和Ub之间的相似度sim(Ua,Ub)，项目Ii和Ij之间的相似度sim(Ii,Ij)，定义相似度影响因子ε，使sim'(Ua,Ub)＝ε×sim(Ua,Ub)，sim'(Ii,Ij)＝ε×sim(Ii,Ij)；S3、在[0,1]区间取参数λ，根据所述λ、ε、用户对项目的评分均值、用户之间的相似度及项目之间的相似度，预测用户对项目的评分。 |
