基于改进用户相似性度量和评分预测的协同过滤推荐算法

摘要 协同过滤推荐算法是个性化推荐系统中研究最多也是应用最广的推荐算法之一.针对该算法中存在的数据稀疏性问题、可扩展性问题以及用户评分尺度不同导致的近邻用户寻找不准确的问题，提出了一种叫做基于改进用户相似性度量和评分预测的协同过滤推荐算法，该算法有以下三个方面的改进：（1）通过计算向量的平均欧式距离将相似的两个向量的均值引入对向量缺失值的填充并实现降维；（2）将用户评分的均值差引入对用户相似度的计算；（3）通过邻近用户对目标项目进行评分预测时，引入目标用户和邻近用户的平均评分.本文在MovieLens数据集中进行了相应的实验验证，证明了本文算法的有效性