论文研究 面向数据稀疏问题的个性化组合推荐研究.pdf

协同过滤技术是推荐系统中应用最为广泛的算法，其面临着数据稀疏性问题、冷启动、规模可扩展性等问题。工作体现在两点：一是在基于项的协同过滤模型中，改进了项间的相似度计算方法，相比调整余弦方法仅考虑一个要素，包含了三个要素：两项的具有共同用户的评分、共同评分用户数量、非共同评分用户数量；二是组合基于用户、基于项和基于奇异值分解的协同过滤推荐，通过多模型组合提高推荐性能。实验结果表明在基于项过滤中MAE指标上提高了4.30%。进一步，加权的组合多种模型方法比基于项方法提高了1.26%。