基于共同评分项和权重计算的推荐算法研究

• 作者: 谢人强 陈震
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 协同过滤算法 评分项 综合权重 准确度
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 应用开发研究
• 页码范围: 69-72
• 页数: 4页
• 分类号: TP391
• 字数: 3369字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.09.016

摘要

产生推荐列表是基于用户的协同过滤推荐算法的重要步骤，也是最终的结果。针对在基于用户的协同过滤推荐算法中，“产生推荐列表”环节的研究相对较少的这一现象，为了改进推荐算法的性能，通过权重计算和共同评分项方法来选定推荐项目，即首先将项目按照评分的近邻用户数量的多少进行排序，然后对排序的项目进行综合权重计算，将其结果由高到低进行再次排序，从而产生推荐列表。该算法经MovieLens数据集测试，在测试中使用“平均绝对误差”作为实验测评指标，结果表明，在目标用户的相似用户数为60时，该算法相较于不考虑共同评分项或综合权重计算因素的算法，有着更低的平均绝对误差，其值为0.77。该算法能够在一定程度上提高推荐系统的准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢人强	福州外语外贸学院信息系	33	97	6.0	7.0
2	陈震	福州外语外贸学院信息系	11	9	2.0	2.0