融合用户相似度的协同过滤算法研究

摘要

降低相似度计算偏差是提升系统推荐准确性的核心.针对数据稀疏、项目热门程度等影响相似度计算准确性的因素,笔者在Pearson相关系数基础上,提出一种融合Jaccard系数和频率加权Pearson系数的算法.改进后的算法考虑了用户间共同评分项数量占比,且对热门项目添加相关惩罚权重因子,降低其对相似度计算产生的影响,进而提升相似度计算的准确性.实验结果表明,所提算法平均绝对误差低于传统算法,有效提高了系统推荐的准确性.