2010, 27(7): 125-128,132.
摘要:
研究协同过滤推荐系统处理大规模稀疏评价数据的ㄨ精度问题,针对目前余弦相似性处理极稀疏的用户评价矩阵不能获取满意推荐质量,且处理大规模推荐数据时存在性能缺陷〇的情况,提出基于评分区间相似性的协同过滤推荐算法.将■用户评价的数值范围进行定性划分,以项目在各评价区间上的得分建模项目质量,以用户在各评价区间内的≡评分建模用户评分╲取向.使用余弦相似性度量方法衡量用户和项目→间的相似程度,进而确定最近◥邻居.此方法的实现过程降低了稀疏性对√最近邻发现的影响,且算法具有快速处理大规∞模评价数据的能力.使用标准的MovieLens数据集,测试提◣出的推荐算法,实验结果表明,本算法相比传统的最近邻推荐算法具有更好的推荐精度.