基于相似度的多重信息协同过滤算法优化仿真

摘要

针对当前协同过滤算法准确度低、耗时长的问题,提出一种新的多重信息协同过滤优化算法。构建用户项目的评分矩阵,通过用户评分的先后情况对用户间的时序行为影响力进行计算;将用户的评分差异作为条件,对其加权信息熵的相似度展开计算;利用用户和项目的总数量构建用户项目种类的兴趣矩阵,计算兴趣相似度,得到全部项目种类和调节参数等条件;利用调节参数对相似度的计算精度进行调节;构建项目种类评分矩阵,分析获得用户和项目种类之间的关系,将项目种类兴趣矩阵和项评分矩阵相融合,获得最终的相似度,实现多重信息的协同过滤。实验结果表明,所提算法中得到的平均绝对误差较小,并且算法耗时短、效率高,能够有效、准确的完成对多重信息的协同过滤,具有较高的应用优势。