文献类型：期刊文章

作　　者：陈功平[1] 王红[1]

CHEN Gong-ping(College of Information and Electronic Engineering/Lu’an Vocation Technology College, Luan 237158, China)

机构地区：[1]六安职业技术学院信息与电子工程学院

出　　处：《山东农业大学学报（自然科学版）》

基　　金：2015年度安徽高校自然科学研究重点项目(KJ2015A435);安徽省2016年高校优秀青年人才支持计划重点项目(gxyq ZD2016570);安徽省2014年高校优秀青年人才支持计划

年　　份：2016

卷　　号：47

期　　号：6

起止页码：940-944

语　　种：中文

收录情况：CAB、CSCD、CSCD_E2015_2016、JST、ZGKJHX、普通刊

摘　　要：基于用户的协同过滤推荐算法(User CF)从用户的历史操作记录中分析用户的兴趣,找到每个用户的k个相似近邻,然后基于这k个近邻集合实施推荐。皮尔森相关系数能够根据用户的历史评分计算用户间的相似度。本文加入流行项目惩罚系数、共同评分项目惩罚系数δ和评分差异惩罚系数λ,对皮尔森相关系数实施了改进和修订。实验结果表明,改进后的皮尔森相似度的推荐效果好于原始皮尔森相似度。

关 键 词：个性化推荐 相似性计算  皮尔森相关系数  评分预测

分 类 号：TP301]