论文部分内容阅读
为进一步解决协同过滤推荐算法中存在的数据稀疏性问题,针对现有的填充算法中未充分考虑用户偏好和物品属性内在关联的问题以及在大规模数据下计算时间漫长的问题提出一种改进算法。该算法根据评分数据对用户进行划分并分析出用户的偏好与评分均值,依据计算结果填补缺失项。实验结果表明该算法可以解决数据稀疏问题并快速得到预测结果。