一种基于连续评分的推荐系统加权相似性度量方法

摘要

本发明是一种基于连续评分的推荐系统加权相似性度量方法，通过获取物品对用户重要性程度和用户对物品喜爱程度，然后与评分加权获得用户相似度和物品相似度，具体步骤如下：步骤1，获取数据，形成对数据进行预处理，将其转换成M*N的矩阵R；步骤2，获取用于度量物品对用户的重要性的权重矩阵；步骤3，获取用于度量用户对物品的重要性权重矩阵；步骤4，将权重矩阵和权重矩阵通过相似度度量，获得用户和物品相似度。该方法根据用户对物品的喜爱程度不同和物品对用户的重要程度不同，区别对待用户和物品，将两种重要性权重应用于常见相似度度量上，以此获得更准确的相似度，从而提高推荐精度。