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。 |