论文研究考虑负相关性信息的协同过滤算法研究.pdf

为了研究Pearson负相关性信息对协同过滤算法的影响,提出了一种考虑负相关性信息的协同过滤算法。该算法选取正相关用户作为最近邻居,负相关用户作为最远邻居,使用参数调节最近邻居和最远邻居在推荐过程中的作用。MovieLens数据集上的对比实验表明,负相关性不仅可以提高推荐结果的准确性,而且可以增加推荐列表的多样性;进一步分析发现,负相关性还可以大幅度提高不活跃用户的推荐准确性。该工作表明,负相关性有助于解决推荐系统中准确性、多样性两难的问题和冷启动问题。