融合兴趣和评分的协同过滤推荐算法

摘要 协同过滤推荐算法中，相似性计算对推荐质量起着至关重要的作用.针对传统算法相似性度量方法的不足，提出一种融合用户兴趣相似性和评分相似性的协同过滤推荐算法.算法将用户的评分项目信息映射为兴趣向量，计算用户的兴趣相似性，并使用用户兴趣相似性和评分相似性进行两次融合，从而对传统相似性度量仅仅依靠用户评分进行相似性计算引起的误差进行修正.在计算相似性过程中，通过引入专家信任度的概念对用户未评分项目进行评分预测填充，从而降低由于数据稀疏性引起的评分相似性计算误差.实验结果表明，该方法在推荐覆盖率和准确性上相对传统算法有所提升