基于扩展邻居的协同过滤算法

摘要

协同过滤算法是目前最主要的个性化推荐算法之一,它根据当前用户的最近邻居集所给出的评分来预测该用户对未评分项的评分.评分数据的稀疏性会影响协同过滤算法的推荐精度,为此我们提出了基于扩展邻居的协同过滤算法,在现有相似性计算的基础上通过扩展目标用户的邻居来获得更多的参考信息,从而提高预测结果的准确性.我们使用公共数据集MovieLens进行了实验,三种评价指标的统计结果显示,我们的方法要优于传统的协同过滤算法.