王潘潘， 钱 谦， 王 锋

(云南省计算机技术应用重点实验室 昆明理工大学，云南 昆明 650200)



改进加权Slope one协同过滤推荐算法研究*

王潘潘， 钱 谦， 王 锋

(云南省计算机技术应用重点实验室 昆明理工大学，云南 昆明 650200)

协同过滤推荐是最成功的推荐技术之一，但数据稀疏性问题导致推荐准确度和推荐效率不高。针对这个问题，提出了一种改进的加权Slope one协同过滤推荐算法。计算用户之间的评分相似度，找出每个用户的最近邻；根据最近邻用户评分，使用基于用户的协同过滤和改进的加权Slope one算法的加权评分预测目标用户的未评分项目；给出推荐。实验过程中采用MovieLens数据集作为测试数据。实验结果表明：与原算法相比，算法提高了预测准确度，有效提高了推荐性能。

数据稀疏； 用户相似性； 协同过滤； 最近邻用户； 加权Slope one算法

0 引 言

随着电子商务的发展，越来越多的用户喜欢网络服务，但随着商品信息的增加，引起了商品信息过载问题。为了使用户在大量商品中准确找到喜欢的商品，推荐系统应运而生。个性化推荐是目前最受欢迎的营销方式之一，推荐用户支付得起、个性化、匹配度高的商品是推荐领域的核心问题，对技术研究提出了很多挑战。现有的推荐技术正在向不同领域提供解决方案，电影，书籍，音乐电台等都使用了适合自己的推荐系统，比如国外的MovieFinder、Amazon、CDNow；国内的豆瓣、京东商城等[1]。同时，推荐系统面临着冷启动、数据稀疏性、可扩展性等问题[2]。随着研究的进步，这些问题得到了很大程度地解决，在推荐电影等方面已经产生了令人满意的推荐效果。……