张岐山，陈露露

福州大学 经济与管理学院，福州350108

协同过滤作为目前应用最为广泛的一种推荐方法[1]，主要分为基于用户的协同过滤和基于项目的协同过滤。基于用户的协同过滤方法通过计算用户之间的相似度，找出与目标用户兴趣相似的近邻用户集，从相似用户感兴趣的项目中对目标用户进行推荐；基于项目的协同过滤指根据用户的历史偏好记录计算项目之间的相似度，将相似项目推荐给当前用户[2]。由于协同过滤算法非常流行，研究人员尝试了不同的方法来改进它。一方面，一些学者设计了新的启发式方法，如聚类、降维、加权预测等。另一方面，一些学者将统计模型、概率相关模型等与协同过滤结合起来，生成新的推荐算法。然而，这些算法也变得更加复杂或者难以实现。Slope One算法是那些有效且易于实现的算法之一。

Slope One算法是由Lemire等[3]在2005年提出的一种基于项目的协同过滤算法，与其他推荐算法相比更加高效、容易执行。作为一种有效的协同过滤算法，Slope One算法受到了研究者的广泛关注并加以改进。

如Wang 等人[4]利用Slope One 算法对用户项目评分矩阵填充，再引入用户相似度，将新变量纳入算法权重，提高用户个性化推荐质量；Zhang[5]利用Slope One算法来预测用户尚未评级的项目，然后使用Pearson 相关系数度量目标项目的邻居最后产生推荐，提高了协同过滤推荐系统的准确性；王毅等人[6]利用关键字之间的语义相似度度量项目之间的相似度提高了预测的准确度；……