基于用户多属性加权和兴趣相似度的协同过滤算法研究

摘要

[目的/意义]旨在为提高协同过滤算法推荐质量提供参考.[方法/过程]针对协同过滤算法存在的数据稀疏性、冷启动等问题,提出基于用户多属性加权和兴趣相似度的协同过滤算法.该算法通过征集专家意见,借助层次分析法得出用户在年龄、性别、职业和邮编相似度的最优权重,计算多维属性相似度;将皮尔逊相似度作为约束系数,融入Weight Slope one算法,提取用户隐式标签,计算用户兴趣相似度;动态调整多维属性相似度和兴趣相似度,从而选取最优参数.[结果/结论]该算法有效降低了推荐系统的MAE值,在近邻数目较少和数据较稀疏情况下仍具优越性,提高了推荐质量.