论文部分内容阅读
为解决用户推荐过程中的数据稀疏性和冷启动问题,通过构建模糊时序分类模型设计相似度加权推荐算法。预处理数据时结合用户属性标签和时间维度建立模糊时序分类模型,并采用拉格朗日插值法进行空白数据的预测填充。针对不同用户个人评分偏高或偏低造成的评分差异以及单方面评级问题,利用相似度加权融合方法提高算法准确性。实验结果表明,该算法能有效降低平均绝对误差,提高推荐质量。