基于项目类别相似性的协同过滤推荐算法

随着电子商务站点用户和商品项数量的不断增长,用户评分数据稀疏性问题成为基于项目的协同过滤推荐算法的瓶颈;文章提出了项目类别相似性的计算方法,并将项目类别相似性与传统的项目评分相似性进行加权组合,得到项目综合相似性,从而在提高最近邻居项目搜寻准确度的同时也缓解了数据稀疏性问题;实验结果表明,该算法能有效提高推荐质量。

基于项目类别和兴趣度的协同过滤推荐算法

用户评分数据极端稀疏情况下,传统相似性度量方法存在弊端,导致推荐系统的推荐质量急剧下降.针对上述问题,提出一种基于项目类别和兴趣度的协同过滤推荐算法.在该算法中,首先通过计算项目之间的类别距离,构造项目类别相似性矩阵;然后采用兴趣度分析不同项目之间的相关程度;最后结合项目类别信息和项目间的兴趣度,使用改进的条件概率方法作为衡量项目间相似性的标准.实验结果表明,该算法可以有效缓解用户评分数据稀疏带来的不良影响,提高预测准确率和推荐质量.