基于单分类的协同过滤推荐算法

随着电子商务推荐系统中用户和商品数目的增加,用户商品评分数据集的稀疏性会导致协同过滤推荐算法的推荐质量下降。针对该问题,提出一种基于单分类的协同过滤推荐算法。根据目标用户评分商品对应的类别,选择候选最近邻居集,采用单分类预测用户对商品的评分,以减小目标用户与候选最近邻居所形成的数据集稀疏性。实验结果表明,该算法能提高寻找最近邻居的准确性,从而改善协同过滤的推荐质量。