摘要：傳統(tǒng)的協(xié)同過(guò)濾推薦算法以用戶對(duì)所有物品的評(píng)分向量作為計(jì)算用戶相似度的依據(jù),沒(méi)有考慮到物品屬性對(duì)用戶興趣的反映。為此,提出一種新的改進(jìn)的相似度計(jì)算方法,引入了＂用戶興趣分布矩陣＂的定義,設(shè)計(jì)了啟發(fā)式的評(píng)分預(yù)測(cè)方式,即根據(jù)興趣相似度選出TOP-K用戶之后,以用戶標(biāo)記的物品數(shù)量作為該用戶的權(quán)重來(lái)預(yù)測(cè)評(píng)分。在Movielens數(shù)據(jù)集上的測(cè)試結(jié)果表明,改進(jìn)后的算法相比傳統(tǒng)的算法在平均絕對(duì)誤差（MAE）上降低了7.3%。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
