论文部分内容阅读
在传统协同过滤推荐算法中随着用户的增多和商品数量急速增长，数据的稀疏性造成用户相似度的计算准确度越来越低。文中从考虑用户之间的信任度出发，并在预测评分前，填补未评分项并再次迭代预测。以此提高协同过滤算法中计算用户相似度的准确度及预测准确度。实验数据表明，该方法在一定程度上缓解了传统协同过滤算法中数据稀疏性带来的问题。