基于朴素贝叶斯分类器EM算法的协同过滤推荐

摘要

协同过滤算法是目前被推荐系统广泛使用的一种推荐算法,但不能处理数据稀疏与冷启动问题,并且没有考虑到用户自身的个性化需求.针对这些问题,本文在基于项目评分预测的协同过滤算法基础上,借鉴朴素贝叶斯分类器EM算法,提出了一种优化算法.该优化算法在计算项目预测评分时,不仅考虑项目之间的评分相似性,同时对目标用户已评分项目进行训练,得到用户偏好模型.实验表明,优化后的算法使的项目的预测评分更加准确,而且能够有效地处理冷启动问题,显著提高了系统的推荐质量.