基于评分合理因子的协同过滤推荐算法研究

研究了协同过滤推荐算法中评分矩阵的稀疏性特征,调查并分析了用户评分尺度的差异问题。为了提高过滤推荐算法的推荐精度,采用评分合理因子进行算法的改进,构建基于评分合理因子的协同过滤推荐模型及改进的协同过滤推荐算法RFCF。实验证明,清洗掉评分不合理的用户不能提高预测准确性,反而会使准确性大大降低;而采用评分合理因子修正相似度计算的准确性,可以明显提高预测精度和执行效率,并且在评价矩阵稀疏情况较严重的情况下也能够收到较好的效果。