一种结合共同邻居和用户评分信息的相似度算法

随着互联网的发展，推荐系统逐步得到广泛应用，协同过滤(cf)是其中运用得最早、最成功的技术之一。cf首先根据用户间的相似度，找出每个用户的近部;然后根据目标用户近邻的评分预测目标用户的评分;最后把预测评分较高的项目推荐给目标用户。因此相似度计算方法直接关系到预测结果的准确性，对推荐起着至关重要的作用。目前，学者们已从不同的角度提出了各种各样的相似度计算方法，其中共同邻居算法(common-neighbors)是一种简单有效的方法。但此法仅考虑了两用户间的共同部居数，忽略了用户的具体评分信息。针对这个问题对共同部居算法进行了改进，同时考虑了共同邻居数和用户的评分信息。实验结果表明，改进的共同邻居算法在一定程度上可提高评分预测的准确性。