基于用户的协同过滤算法的推荐效率和个性化改进

摘要 针对传统的基于用户的协同过滤算法存在的推荐效率、精度和个性化低的问题，提出一种改进方法．该方法在计算用户评分矩阵时，考虑到用户评分矩阵稀疏性，建立项目-用户的倒查表，只计算有相同评分项的用户之间的相似度，避免了传统方法中对所有用户计算两两用户相似度的庞大工作量．该方法在计算用户相似度时，考虑到项目的热门程度不同，“惩罚”了用户共同兴趣列表中的热门项目，避免了传统方法中赋予所有项目相同权值对推荐结果个性化的负面影响．本文在详细分析了改进的用户协同过滤算法的原理和优点，给出了其推荐步骤流程图．在Movielens100K和HetRec2011movielens-2k公开数据集上，十折交叉验证的结果表明，改进后的算法节约了运行时间，提高了推荐算法的效率和个性化