论文部分内容阅读
在采用协同过滤算法构建个性化推荐的系统中，经常面临用户评价数据稀疏问题，这将严重降低个性化推荐的准确度．针对此问题，提出了一种混合加权预测填充算法，从用户访问的资源特征以及该资源在整个用户群体中被访问的热度出发，对用户访过的但未给出评价的数据进行预测并填充，从而降低了由于用户评价数据缺失所造成的评价矩阵稀疏程度，提高推荐准确度．在MoiveLense数据集上的试验结果表明，该算法能够明显地提高推荐准确度．