论文部分内容阅读
提出了一种基于用户偏好的协同过滤推荐算法。首先根据不同用户兴趣序列的最长公共子序列的长度和公共子序列的个数计算用户相似度,然后将该相似度和传统协同过滤推荐算法得到的相似度进行加权混合计算,基于混合相似度进行项目推荐和预测目标用户对项目的可能评分。最后,通过比较三种推荐算法在三个数据集Ciao、Flixster和MovieLens 100K的平均绝对误差MAE值,证明了本文提出的基于用户偏好的协同过滤推荐算法XQCF对于提高推荐系统精度的有效性。