基于用户评分时间改进的协同过滤推荐算法

摘要

【目的】改进基于用户的协同过滤算法以缓解因数据稀疏、用户共同评分稀少所导致的问题,进而提高评分预测的精度。【方法】提出结合用户打分时间发现具有相似打分行为的用户,并将用户评分方差相似性融入到相似度的计算中,使得目标用户在最近邻的选取上更加合理。【结果】实验结果表明,相较基于用户的协同过滤算法,新算法的平均绝对误差降低约2%,在一定程度上改善了推荐系统的推荐效果。【局限】该算法仅在MovieLens数据集上进行了实验测试,还需要在其他数据集上进行检验。【结论】本文算法能够有效地提高推荐精度,具有一定的可行性和现实意义。