资源分配的改进Slope One算法

摘要 相对于传统的个性化推荐算法,Slope One简洁高效,而且算法复杂度较低,但是该算法过多的依赖于项目评价数目,目标项目的评分预测是全局相关的,考虑了全部的用户,也就是说并没有明显的针对目标用户,首先根据全局中所有的用户对所有项目与目标项目的评分计算平均差值,目标用户对目标项目的评分利用该差值来预测,那么与目标用户兴趣完全相反的用户也会被计算在内,进而导致预测结果的偏差,针对这一不足,提出一种资源分配的用户相似性度量方法,增加相似用户的权重而改进Slope One算法,然后在标准的MovieLens数据集上进行试验测试,试验的结果表明改进后的算法在一定程度上提高了预测的精度