谢人强，陈 震

(福州外语外贸学院信息系，福建福州 350202)

基于共同评分项和权重计算的推荐算法研究

谢人强，陈 震

(福州外语外贸学院信息系，福建福州 350202)

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。

协同过滤算法;评分项;综合权重;准确度

1 概述

随着互联网信息技术的快速发展，以及网民数量的持续增加，使得互联网的信息呈现爆炸式增长态势，用户正面临着越来越严重的“信息过载”问题。目前，解决“信息过载”问题的方法主要有两种:一是信息检索技术，该类技术以搜索引擎为代表;二是信息过滤技术，该类技术以推荐系统为代表。两类技术各有优缺点，但当用户的需求不明确时，推荐系统能表现出更强的优势。在众多推荐系统算法中，协同过滤技术应用最为广泛，且效果最好。……