基于结构相似性的协同过滤推荐算法

摘要 评分向量的高维、稀疏,使得传统相似性度量方法的准确性较差.提出一种新的相似性计算方法—两阶段相似性计算算法.首先定义评分差异和差异确定度,得到用户偏好相似性;然后根据偏好相似性计算用户间的结构相似性,使用结构相似性对用户初始相似关系进行修正,使相似性计算结果更加合理.将本文方法应用于协同过滤推荐,在MovieLens数据集上进行了实验.实验结果表明,与传统的相似性度量方法相比,新方法具有更高的准确性,可以显著提高协同过滤算法的推荐质量