基于门店位置的协同过滤推荐算法

传统的协同过滤推荐算法一般基于用户对商品的评分而并未考虑用户的地理位置信息以及受到数据稀疏性问题的影响很大,该文针对以上问题,提出了一种基于用户地理位置的协同过滤推荐算法,根据用户的距离计算用户相似度,结合用户的评分信息对传统的user-based算法进行改进。实验结果表明,在对商品进行top-k推荐时,改进后的算法具有更好的推荐效果,推荐精确率和召回率都有所提升。