融合用户相似度与项目相似度的加权Slope One算法

摘要 个性化推荐技术为人们处理信息过载问题提供了一种有效的解决方式.协同过滤是推荐技术常用的算法之一，本文研究的Slope One算法就是一种基于项目的协同过滤推荐算法，但是，它并未考虑到用户相似度及项目相似度的问题.因此，本文提出5种新的融合用户相似度与项目相似度的加权Slope One算法，即分别使用信任因子和Jaccard方法找出具有影响力的用户，使用Pearson方法找出当前项目的相似项目.最后，在Epinions和Movielens数据集上的对比实验结果表明，融合Jaccard和Pearson的混合算法在数据集稀疏以及邻居数目较少的情况下，仍能获得较高的推荐准确度