融合机器学习的加权Slope One算法

摘要 Slope One算法是一种基于内存的协同过滤推荐算法，在计算时，内存消耗过大，尤其当数据集稀疏时，预测结果的准确度不高.基于此，将一种基于模型的算法融合到基于内存的Slope One算法中，提出一种使用机器学习中最小二乘法改进的加权Slope One算法，该算法简单直观且计算高效，可以克服传统基于内存推荐算法的诸多缺点.最后，在Filmtrust和Movielens数据集上的对比实验结果表明，融合偏差因子的加权Slope One算法在这两个稀疏度不同的数据集下，均能获得较高的推荐准确度