改进的协同过滤算法在电影推荐系统中的应用

随着互联网的快速发展,电影的海量供给和用户多样化的需求间的矛盾日趋突出,将个性化推荐技术和电影系统的有机结合对用户和运营商来说是一个双赢的局面。主要研究协同过滤算法在电影推荐系统中的应用,协同过滤是目前应用最为广泛且成功的一种推荐技术,但也暴露出诸多问题,比如数据稀疏性、用户兴趣变化等。通过对基于项目的协同过滤算法的分析,分别引入了共同评分权重函数和时间权重函数对相似度计算方法和预测评分计算方法进行了改进,并通过在Movielens数据集上验证了改进的协同过滤算法较传统的协同过滤在推荐准确度上有了明显的提升。