一种融合人口统计属性的协同过滤算法

摘要 协同过滤算法基于用户-物品评分矩阵预测目标用户对物品的评分，然而评分稀疏性限制了该技术的发展；另一方面，用户人口统计属性反映用户偏好，能够用来判断用户之间的相似度.基于此，提出一种融合人口统计属性的协同过滤推荐算法.首先对用户基于人口统计属性聚类,进而定义物品的类内流行度，通过在传统相似度计算方法上融合物品类内流行度，体现用户在人口统计属性上的相似度，以此来提高最近邻寻找的准确性.在MovieLens数据集上的实验结果表明，与传统协同过滤方法比较，本文提出的方法能够有效提高推荐精度