基于项目特征与用户兴趣模糊性的推荐算法

为解决项目评分矩阵稀疏性问题,提出结合项目特征和用户评分的模糊性特性。首先利用类高斯模糊数描述项目所属类别的隶属度,然后应用梯形模糊数表示用户对项目的喜爱程度构建用户—项目类别偏好矩阵,最后构建基于项目特征的模糊性和用户兴趣的方法计算推荐信任分。在MovieLens 100k数据集上的实验结果表明,当N取1-300时,在不损失top-N推荐召回率的情况下,该算法相较于基于用户和基于项目的协同过滤推荐算法,平均推荐准确率分别提高了39.97%和5.74%,有效解决了数据稀疏性问题,可在历史行为数据较少的情况下,推荐用户感兴趣的项目。