基于粗糙集规则提取的协同过滤推荐算法

基于现实推荐系统数据集非常稀疏,导致传统的协同过滤算法往往无法提供高质量推荐的问题,提出了一种基于粗糙集规则提取的协同过滤算法。首先利用用户/物品属性和用户-物品评分矩阵构建决策表,然后通过决策表约简算法得到每一条规则的核值,最后根据核值表的核值决策规则,完成所有决策规则的约简,从而实现对未评分的用户进行预测评分。实验结果表明,所提方法可以有效地缓解稀疏数据对协同过滤带来的负面影响,提高推荐结果的准确度。