一种基于项目属性评分的协同过滤推荐算法*

通信地址：266580 山东省青岛市中国石油大学(华东)计算机与通信工程学院Address:School of Computer & Communication Engineering,China University of Petroleum,Qingdao 266580,Shandong,P.R.China

龚安，高云，高洪福

(中国石油大学(华东)计算机与通信工程学院，山东 青岛 266580)

摘要：协同过滤是电子商务推荐系统中应用最成功的推荐技术之一，但面临着严峻的用户评分数据稀疏性和推荐精度低等问题。针对数据稀疏性高和单一评分导致的推荐精度低等问题，提出一种基于项目属性评分的协同过滤推荐算法。首先通过均值法或缩放法构造用户-项目属性评分矩阵将单一评分转化为多评分；其次基于每个属性评分矩阵，计算用户间的偏好相似度，得到目标用户的偏好最近邻居集；然后针对每个最近邻居集，在用户-项目评分矩阵上完成对目标用户的初步评分预测；最后，将多个初步预测评分加权求和作为综合评分，完成推荐。在Movie Lens扩展数据集上的实验结果表明，该算法能有效提高推荐精度。

关键词：属性评分；均值法；缩放法；协同过滤；推荐

1引言

随着Internet和电子商务的迅猛发展，“信息爆炸”和“信息过载”问题越来越严重，用户很难从海量的信息中找到自己真正需要的信息。推荐系统可以在用户目的不明确的情况下帮助用户找到可能感兴趣的信息并推荐给用户。协同过滤是现行推荐系统中应用最广泛最成功的技术之一，但其需要维护一个存储用户偏好的数据库。因此，随着系统中用户和项目数量的不断增加，协同过滤面临严峻的用户评分数据稀疏性、推荐实时性、可扩展性挑战，推荐质量迅速下降。……