基于用户相似性选择及标签距离的推荐算法

邻居选择和物品的标签信息对于推荐系统进行评分预测具有重要的影响。为了解决推荐系统中存在的预测和排序准确性低及算法可拓展性不足的问题。本文基于距离模型算法,提出了基于用户相似性选择及标签距离的推荐算法。首先,选取相似性大于阈值的用户作为待预测用户的邻居来应对算法可拓展性不足的问题。其次,利用物品的标签信息,将用户对物品的评分映射为用户对物品标签的评分以提高准确性。通过在两个电影数据集中利用十折验证预测用户对电影的评分。实验结果表明,基于用户相似性选择及标签距离的推荐算法在准确性以及可拓展性中均获得了较大提升。