论文部分内容阅读
基于用户的协同过滤推荐算法是当前使用范围最广的推荐算法之一。传统的协同过滤推荐算法仅依靠用户对项目的打分记录，数据稀疏度高而且来源单一，对用户间相似度测算的可信度影响较大。针对这一问题，引入用户画像信任度和类别评分差异度两个概念，对传统基于用户的协同过滤推荐算法进行改进，提出一种多维用户相似性计算方法，该算法通过调节用户画像信任度和类别评分差异度在用户相似性计算中的贡献系数，进而影响推荐算法评价指标MAE的变化，实验结果表明，新算法较原算法在命中率和准确率上有较大提高。