一种改进的基于用户协同过滤的推荐算法研究

摘要

cqvip:随着互联网和无线通信技术的迅猛发展,信息的复杂性和规模不断增加,推荐系统得到显著发展,协同过滤推荐算法凭借其适应性强等特点广泛应用于推荐系统中。由于用户未对评价矩阵中大多数项目评价且对很少的项目感兴趣,导致出现数据稀疏性、过拟合等问题,影响推荐系统的准确性,导致推荐质量较差。通过确定共同评价项目的数量,从共同评价矩阵剔除不相似的用户来发现相似的用户,并使用基于用户特征的相似度计算预测等级并寻找最近邻生成top-N推荐,提出了一种改进的基于用户协同过滤的推荐算法,有效克服这一问题,提高了推荐质量。使用MovieLens数据集将改进算法与传统算法进行比较,并使用均方根误差(RSME)、精确率和召回率来评估算法准确性和性能。实验结果表明,改进算法有效地提高了推荐的准确性。