论文部分内容阅读
针对传统的协同过滤算法中存在数据稀疏性和冷启动的不足，分析目前已有的解决方案，提出基于用户兴趣传播的协同过滤算法。在改进算法中可以让用户兴趣进行直接传播，使得用户兴趣游走以及更新，计算用户兴趣的分布矩阵从而获取用户兴趣的相似性，然后对上述过程通过算法描述其实现过程，最后对算法进行实验分析。在这个算法当中不仅解决用户的兴趣的相似性计算问题，又考虑到其他的邻居的用户对于目标用户兴趣偏好的影响，在数据稀疏性的情况下保证了算法的有效性，在一定程度上提高了性能。仿真实验表明，算法的性能具有可行性和有效性。