一种基于优化用户相似度的改进协同推荐算法

在众多的个性化推荐技术中，协同过滤推荐技术是电子商务推荐系统中应用最成功的推荐技术之一。传统的协同推荐过滤算法存在数据稀疏性，冷启动以及推荐的精确和实时性等问题，对于这些存在的问题，大量的国内外学者提出了多种解决方案，并在一定程度上获得了相对理想的效果。而协同过滤算法还在存在于计算用户相似度时用户之间在项目集合内对所有项目的评分尺度差异被忽略的问题，尽管目前提出的修正的余弦相似度算法和皮尔逊相似度算法在一定程度上该问题有改善，但是用户之间对项目的单条评分尺度差异问题依旧存在，当两个用户对一个共同评分项目集合的评分矢量存在裂缝的不同时，他们的评分向量的合矢量是有一定几率得到比较相似的结果，这种现象的大量存在直接影响到了用户相似度计算的精确度，且靴子会影响到对目标用户的预测评分的精确度。此处针对此问题在传统的余弦相似算法中加入一种用户之间对项目评分尺度差异计算的平衡因子，提出一种基于用户相似度改进的协同推荐算法。并通过实验验证了所提方案的有效性，该平衡因子能在很大程度上提高了用户相似度的准确率，并得到了较慢的结果。好的推荐效果。