-
基于懲罰因子的協(xié)同過濾算法的改進(jìn)與研究
摘 要 ：當(dāng)今時(shí)代，信息量呈爆炸式增長，推薦系統(tǒng)是處理海量信息的一種有效方式，也是一種無需用戶提出明確需求就可幫助用戶快速發(fā)現(xiàn)有用信息的工具。在推薦系統(tǒng)中，協(xié)同過濾算法有著重要應(yīng)用。傳統(tǒng)協(xié)同過濾算法通常使用余弦相似度公式進(jìn)行興趣相似度計(jì)算，但是很多情況下熱門物品會(huì)影響到推薦結(jié)果，并不能較好地反映用戶需求。文中對(duì)傳統(tǒng)協(xié)同過濾算法余弦相似度計(jì)算公式提出改進(jìn)方案，給出一個(gè)帶有懲罰因子的余弦相似度修正公式，可以較好地抑制熱門物品對(duì)用戶實(shí)際相似度的影響，改善用戶近鄰集合的劃分，從而實(shí)現(xiàn)更好的推薦效果。經(jīng)實(shí)驗(yàn)測(cè)試，推薦系統(tǒng)的性能指標(biāo)得到了一定的改善。
-
什么是基于物品的協(xié)同過濾算法
基于物品的協(xié)同過濾算法（ItemCF）是業(yè)界應(yīng)用最多的算法，主要思想是利用用戶之前有過的行為，給用戶推薦和之前物品類似的物品?；谖锲返膮f(xié)同過濾算法主要分為兩步：1）計(jì)算物品之間的相似度。2）根據(jù)物品
