一种基于评分信息熵的融合协同过滤算法

摘要

相似度计算是协同过滤推荐算法的基础,但由于用户之间共同评价项目数量稀少,导致传统的协同过滤算法无法准确计算用户之间的相似度,从而造成推荐质量不佳。通过在Pearson相似度计算公式中加入用户之间联系的惩罚因子,并在此基础上与评分信息熵进行融合,提出一种新的用户之间相似度计算方法。实验结果表明,该算法能够更准确地计算用户之间的相似度,从而提高推荐结果质量。