文献类型：期刊文章

作　　者：范波[1] 程久军[2]

机构地区：[1]同济大学计算机科学与工程系,上海201804 [2]同济大学嵌入式系统与服务计算教育部重点实验室,上海201804

出　　处：《计算机科学》

基　　金：国家自然科学基金项目(90818023);上海市项目(08GG08;09JC1414200);教育部新教师基金(20090072120048)资助

年　　份：2012

卷　　号：39

期　　号：1

起止页码：23-26

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSCD、CSCD2011_2012、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：传统的User-based协同过滤推荐算法仅采用了单一的评分相似度来度量用户之间对任何项目喜好的相似程度。然而根据日常经验,人们对不同类型事物的喜好程度往往是不同的,单一的评分相似度显然无法准确描述这种不同。针对上述问题,提出了一种基于用户间多相似度的协同过滤推荐算法,即基于用户间对不同项目类型的多个评分相似度来计算用户对未评分项目的预测评分。实验结果表明,该算法可以有效地提高预测评分的准确性及推荐质量。

关 键 词：多相似度  协同过滤推荐算法 User-based  MAE

分 类 号：TP391]