融合内容和改进协同过滤的个性化推荐算法
作者:
何波
[1]
潘力
[2]
关键词:
个性化推进
协同过滤
内容过滤
Pearson相关系数
加权因子
摘要：
为了提高个性化推荐算法的推荐准确性,提出一种融合内容和改进协同过滤的推荐算法.首先,利用基于内容的过滤方法对未评分的项目进行预测,获得预测评分,从而构建了项目—评分矩阵,用于计算评分的Pearson相关系数.然后,在Pearson相关系数计算中融入项目热门系数,对传统协同过滤方法进行改进,并以此对项目给出最终的评分,从而产生推荐.另外,通过调和加权因子和用户加权因子,使基于内容推荐和协同过滤的评分结果能够更合理的融合.实验结果表明,与当前个性化推荐技术相比,所提算法能够有效解决用户评分数据稀疏的问题,具有更高的推荐精度.
上一篇： 电动舵伺服系统指数趋近律分段滑模控制
下一篇： 基于MapReduce的增量式全文Lucene引擎并行检索