基于改进协同过滤的图书推荐算法研究

针对传统推荐系统中的协同过滤算法的许多不足,如冷启动和数据稀疏等问题,提出了一种基于聚类算法和引入用户特性相结合的改进算法,并将其应用于推荐系统中。首先对用户相似度计算做出改进,其次根据用户特性对用户进行分类,同时通过用户特性对用户聚类操作,提高推荐的准确度,最后将改进协同过滤算法,应用于推荐系统中实现图书推荐,实验结果表明,改进算法在计算不同用户间的相似度和兴趣度方面,有明显的效率提升,并且改善了数据稀疏和冷启动问题,提高了图书推荐效率。