基于加权相似度的用户协同过滤方法-计算机工程与应用.PDF

222 2016 ，52（22 ） Computer Engineering and Applications 计算机工程与应用 基于加权相似度的用户协同过滤方法 范永全，杜亚军 FAN Yongquan, DU Yajun 西华大学 计算机与软件工程学院，成都 610039 School of Computer Software Engineering, Xihua University, Chengdu 610039, China FAN Yongquan, DU Yajun. Improved user-based collaborative filtering method based on weighted similarity. Com- puter Engineering and Applications, 2016, 52 （22 ）：222-225. Abstract ：The similarity measure between users has significant impact on the results of collaborative filtering recommen- dation system. To increase the accuracy of neighbor selection, a weighted Pearson Correlation Coefficient （PCC ）similarity measurement is proposed to calculate PCC weighting factor directly with the number of user-item ratings. The improved pearson similarity metrics is applied to empirical analysis of the MovieLens, Douban and Epinions dataset. Experimental results show that the proposed method can improve the recommendation accuracy of collaborative filtering effectively in terms of Mean Absolute Error （MAE ）and precision. Key words ：collaborative filtering; similarity; pearson correlation coefficient ；Mean Absolute Error （MAE ） 摘 要：协同过滤算法中用户相似性度量的准确性对推荐质量有显著影响。为了提高用户协同过滤算法中近邻选 择的准确率，提出一种加权的皮尔逊相关系数（PCC ），可根据用户-项目的评分数，直接计算出PCC 加权因子。将改 进的皮尔逊相似度机制用于MovieLens ，Douban 和Epinions 数据集进行实证分析。结果表明，提出的算法可以有效 提高协同过滤推荐的平均绝对误差（MAE ）和准确度。 关键词：协同过滤；相似性；皮尔逊相关系数；平均绝对误差（MAE ） 文献标志码：A 中图分类号：TP311.52 doi ：10.3778/j.issn. 1002-8331.1501-0181 1 引言 置信度，该置信度会随着共同评分的项目数的增加而增 协同过滤（collaborative filtering ）是迄今为止应用 加。Ahn 分析了Pearson 相似度和余弦相似度的缺点， [3] 最成功的个性化推荐技术，已经被广泛应用在电影、音 提出了一种称为接近性-影响力-流行度（PIP ）的相似度 ， [1-3] 综合了三个方面的因素：用户评分的接近性、影响力和流 乐、图书、论文等领域的推荐系统中 ，其基本思想是根 据用户