一种结合共同邻居和用户评分信息的相似度算法.pdfVIP

第37卷第9期 计算机科学 V01．37No．9 Science 2010 2010年9月 Computer Sep 一种结合共同邻居和用户评分信息的相似度算法 贺银慧陈端兵陈勇傅彦 (电子科技大学计算机科学与工程学院 成都610054) 摘要随着互联网的发展，推荐系统逐步得到广泛应用，协同过滤(CF)是其中运用得最早、最成功的技术之一。CF 首先根据用户间的相似度，找出每个用户的近邻；然后根据目标用户近邻的评分预测目标用户的评分；最后把预测评 分较高的项目推荐给目标用户。因此相似度计算方法直接关系到预测结果的准确性，对推荐起着至关重要的作用。 有效的方法。但此法仅考虑了两用户间的共同邻居数，忽略了用户的具体评分信息。针对这个问题对共同邻居算法 进行了改进，同时考虑了共同邻居数和用户的评分信息。实验结果表明，改进的共同邻居算法在一定程度上可提高评 分预测的准确性。 关键词协同过滤，共同邻居，相似度算法，评分信息 BasedonUser’sCommon andGradeInformation SimilarityAlgorithm Neighbors Yan ‘HEYin-huiCHEN CHEN FU Duan-hingYong and ofElectronicScienceand of (Schoolof Science Technology 610054，China) Computer Engineering，University China，Chengdu AbstractWiththe ofInternet，recommenderhavebeenusedin fields，andcollaborativefil— rapidgrowth systems many oneoftheearliestandthemostsuccessfulones．CFmethod identifiesthe ofeach tering(CF)is usually neighborhood userbasedon betweentwousers；then of user’s similarity predictsitems’ratingbyintegratingratingstarget neigh— those with scorerecommendedto an bors，and items are user．So important lastly higherpredicted target similarityplays roleandaffectsthe ofthe tollOW，various measureshavebeen reseat- accuracyprediction．Up similarity proposedby chersfromdiffe