论文部分内容阅读
针对传统的CF（Collaborative Filtering）算法和基于项目评分的CF算法中存在的数据稀疏、扩展性及计算效率低的问题，通过引用评价系数，对其相似性计算和推荐集的选取方法进行了改进，提出了一种改进的基于相关相似性的CF算法，产生更为准确的用户兴趣度预测，从而提高系统推荐的质量与推荐效率。对改进算法进行实验和性能对比与评价的结果表明，改进算法与传统算法相比，能显著提高推荐精度，平均绝对误差（MAE：Mean Absolute Error）为0．53～0．77。